MODELISATION

Introduction aux quations aux drives partielles et leurs rsolutions numriques

FN CRES Polytech'Montpellier - Universit Montpellier 2 fncres@um2.fr

Modlisation

SOMMAIRE

AVANT-PROPOS ......................................................................................................................... 5 1. INTRODUCTION ................................................................................................................... 6 2. EXEMPLE D'ETABLISSEMENT DUNE EQUATION MECANISTE ............................................ 7 2.1. Equation de diffusion 1D ........................................................................................... 7 2.2. Interprtation d'une quation aux drives partielles .......................................... 11 2.3. Equation de la Diffusion 3D .................................................................................... 12 2.4. Conditions limites et condition initiale ................................................................... 14 2.5. Rgime permanent et non permanent .................................................................... 15 2.6. Complments lquation de base ......................................................................... 15 2.6.1. Injection (ou soutirage) .................................................................................... 15 2.6.2. Cintique propre du produit ............................................................................. 16 2.6.3. Convection ....................................................................................................... 16 2.6.4. Cas o K est variable (dans toutes les directions et en tous points) ................. 17 2.6.5. Autres problmatiques...................................................................................... 18 2.7. Sur le Laplacien, le Gradient et le Divergent ........................................................ 18 2.7.1. Oprateurs en mathmatique et en physique .................................................... 18 2.7.2. Le Laplacien ..................................................................................................... 19 2.7.3. Le gradient........................................................................................................ 19 2.7.4. Le divergent...................................................................................................... 20 2.7.5. Remarques ........................................................................................................ 20 2.8. Laplacien en coordonnes polaires ......................................................................... 21 3. CLASSIFICATION DES EQUATIONS AUX DERIVEES PARTIELLES DORDRE 2 ................... 22 3.1. Classification par les coniques ................................................................................ 22 3.1.1. Classification par discriminant et par valeurs propres ..................................... 22 3.1.2. Application aux EDP dordre 2 ........................................................................ 22 3.2. Equation stationnaire et quation dvolution ...................................................... 25 4. RESOLUTION DES EDP - PRINCIPE DES METHODES NUMERIQUES .................................. 26 5. LA METHODE DES DIFFERENCES FINIES ........................................................................... 27 5.1. Principe de la mthode ............................................................................................ 27 5.2. Cas dune EDP elliptique (stationnaire) ................................................................ 28 5.2.1. Cas de conditions de Dirichlet ......................................................................... 28 5.2.2. Cas de conditions de Neumann homognes ..................................................... 34 5.2.3. Cas de conditions de Neumann non homognes .............................................. 37 5.3. Notions sur les erreurs de la mthode .................................................................... 39 5.3.1. Prsentation ...................................................................................................... 39 5.3.2. La consistance .................................................................................................. 40 5.3.3. La stabilit ........................................................................................................ 41 5.3.4. La convergence ................................................................................................ 41 5.4. Cas dune EDP parabolique 1D (volutive) ........................................................... 42 5.4.1. Position du problme et mthode ..................................................................... 42 FN CRES

Modlisation

5.5.

5.6.

5.7.

5.8.

5.4.2. Les schmas types ............................................................................................ 42 5.4.2.1 Discrtisation du domaine dtude .......................................................... 43 5.4.2.2 Discrtisation de lquation ..................................................................... 43 5.4.3. Le schma explicite .......................................................................................... 44 5.4.4. Le schma implicite ......................................................................................... 45 5.4.5. Le schma explicite 2 pas .............................................................................. 47 5.4.6. Le schma pondr ........................................................................................... 47 5.4.7. Exemple d'un schma explicite stable .............................................................. 49 Cas d'une EDP parabolique 2D .............................................................................. 49 5.5.1. Schmas classiques .......................................................................................... 49 5.5.2. Schma des directions alternes ....................................................................... 50 Cas d'une EDP hyperbolique (volutive) ............................................................... 51 5.6.1. Schmas explicites ........................................................................................... 51 5.6.2. Schmas implicites ........................................................................................... 53 Cas particuliers ........................................................................................................ 54 5.7.1. Maillage irrgulier en 1D ................................................................................. 54 5.7.1.1 Discrtisation de la drive premire ...................................................... 55 5.7.1.2 Discrtisation de la drive seconde ........................................................ 55 5.7.2. Maillage irrgulier en 2D ................................................................................. 56 5.7.2.1 Maillage rgulier dans chaque dimension ............................................... 56 5.7.2.2 Maillage irrgulier dans chaque dimension ............................................ 56 5.7.3. Drive mixte ................................................................................................... 57 5.7.4. Discrtisation du divergent............................................................................... 57 Traitement des termes non linaires ...................................................................... 60

6. LA METHODE DES ELEMENTS FINIS .................................................................................. 62 6.1. Comparaison Diffrences finies Elments finis .................................................. 62 6.2. Equivalence de problmes ....................................................................................... 62 6.2.1. Objet ................................................................................................................. 62 6.2.2. Equivalence entre systme matriciel et problme de minimisation ................. 62 6.2.3. Equivalence avec un problme de minimum ................................................... 63 6.2.4. Rcapitulatif ..................................................................................................... 64 6.2.5. Application aux EDP ........................................................................................ 64 6.2.6. Approximation interne ..................................................................................... 65 6.3. Construction pratique du problme variationnel ................................................. 66 6.3.1. Cas dune quation diffrentielle ..................................................................... 66 6.3.1.1 Cas dune condition de Neumann homogne ........................................... 66 6.3.1.2 Cas dune condition de Dirichlet homogne ............................................ 67 6.3.1.3 Cas dune condition de Neumann non homogne .................................... 67 6.3.1.4 Cas dune condition de Dirichlet non homogne ..................................... 67 6.3.2. Cas dune EDP ................................................................................................. 68 6.4. Mise en uvre de la mthode des lments finis ................................................... 69 6.5. Cas dune quation diffrentielle - Fonction linaire par morceaux................... 69 6.5.1. Cas de condition de Dirichlet homogne ......................................................... 69 6.5.2. Cas de condition de Neumann homogne ........................................................ 74 6.5.3. Cas de condition de Neumann non homogne ................................................. 75 6.5.4. Cas de condition de Dirichlet non homogne .................................................. 76 6.6. Cas dune quation diffrentielle - Fonction parabolique par morceaux .......... 77 6.7. Cas dune EDP Approximation linaire par lment ........................................ 84 6.8. Cas dune EDP Approximation quadratique par lment ................................ 91 6.9. Extension de la mthode .......................................................................................... 92 FN CRES

Modlisation

6.10. Extension aux problmes volutifs ......................................................................... 92 7. RESOLUTION DES SYSTEMES DEQUATIONS LINEAIRES ................................................... 93 7.1. Introduction .............................................................................................................. 93 7.2. Mthodes directes ..................................................................................................... 93 7.2.1. Mthode de Gauss-Jordan ou mthode du pivot .............................................. 94 7.2.1.1 Principe .................................................................................................... 94 7.2.1.2 Limite de la mthode ................................................................................ 95 7.2.2. Mthode de Gauss (ou triangularisation) ......................................................... 95 7.2.2.1 Principe .................................................................................................... 95 7.2.2.2 Nombre d'oprations ................................................................................ 96 7.3. Mthode du double balayage pour les matrices tridiagonales (Cholesky). ........ 96 7.4. Mthodes itratives .................................................................................................. 97 7.4.1. Principe............................................................................................................. 97 7.4.2. Mthode de Jacobi ............................................................................................ 98 7.4.3. Mthode de Gauss -Seidel ................................................................................ 98 7.4.4. Facteur de relaxation ........................................................................................ 99 ANNEXE 1 : ECRIRE UN SYSTEME MATRICIEL .................................................................... 100 ANNEXE 2 : LA PENTE D'UNE DROITE ................................................................................. 101 ANNEXE 3 : DEVELOPPEMENT DE TAYLOR ........................................................................ 102 ANNEXE 4 : LE LAPLACIEN EN COORDONNEES POLAIRES ................................................. 103 BIBLIOGRAPHIE ..................................................................................................................... 106

FN CRES

Modlisation

AVANT-PROPOS

Ce polycopi est une introduction aux quations aux drives partielles et leur rsolution, tout ceci ayant comme objectif la modlisation mathmatique du monde qui nous entoure, ou, pour rester plus modeste, la modlisation des problmes courants rencontrs par l'ingnieur. Soyons clair : vous n'aurez peut-tre que peu ou pas l'occasion de manipuler les quations aux drives partielles plus tard, car cela est fait dans les logiciels que vous utiliserez plus certainement. Ce cours a donc pour objectif de vous montrer comment on construit et rsout ces quations afin que vous puissiez avoir un regard critique et clair sur les outils informatiques que vous utiliserez. Le chapitre 1 situe succinctement la modlisation mathmatique parmi les modlisations les plus courantes. Ces quations ne sont pas toujours bien abordes par les tudiants qui y voient une criture sotrique et parfois incomprhensible. Le chapitre 2 tente de dmystifier ces quations en prsentant un exemple simple et baser sur "le bon sens" dans lequel on aboutit l'quation de la diffusion. L'objectif est alors de ne pas perdre le lecteur avec une approche trop mathmatique susceptible de le dcourager. Cependant, il est important que le lecteur se familiarise rapidement avec les symboles mathmatiques utiliss. Ce n'est pas la manire "officielle" de prsenter cette quation, mais cette dmonstration prsente l'immense avantage de pouvoir tre suivie avec un niveau de terminale scientifique (du moins, je l'espre !). On arrive petit petit l'criture la plus complte de l'quation de la diffusion. Le chapitre 3 n'est pas le plus important, mais il introduit la classification des quations aux drives partielles, lment structurant pour la suite. A partir du chapitre 4, on aborde la rsolution des quations aux drives partielles par 2 mthodes numriques : La mthode des diffrences finies, qui est une mthode simple, et que lecteur pourra suivre aisment La mthode des lments finis, qui est d'un abord beaucoup plus complexe. Le lecteur s'attachera comprendre le principe et traiter les exemples complets qui y sont dvelopps. Enfin, le dernier chapitre sur la rsolution des systmes d'quations linaires, aboutissement des 2 mthodes prcdentes, est l titre informatif. En effet, la mise en uvre de ces mthodes ncessite gnralement des connaissances informatiques, notamment de programmation, ce qui dborde du sujet abord dans ce document.

FN CRES

Modlisation

1.

INTRODUCTION

La modlisation dun phnomne est une dmarche visant reprsenter par un moyen adquat le comportement de ce phnomne. Dans les sciences de l'ingnieur, la modlisation permet de comprendre les variables qui influencent ce comportement, afin de dimensionner des ouvrages, d'anticiper son volution, de simuler des situations venir. La modlisation peut tre aborde de diffrentes faons. On peut proposer la classification sommaire suivante : Les modles rduits Qui ne connat pas les souffleries o sont tests les modles rduits davion ? Le modle rduit permet de rendre compte du comportement dun objet soumis diffrentes contraintes sans avoir construire cet objet dans sa taille normale. La thorie des similitudes permet alors, partir du comportement du modle rduit, de conclure sur le comportement de lobjet rel. Les modles analogiques Ils permettent de reprsenter un phnomne partir dune analogie avec un autre plus facile laborer. Par exemple, le comportement dune nappe deau dans le sol peut tre abord par une analogie avec le potentiel lectrique d'une plaque mtallique. Les modles mathmatiques Ces modles sont les plus courants actuellement, suite la monte en puissance des ordinateurs et de leur capacit calculer vite. Ils sont bass sur la mise en quation mathmatique du phnomne tudier. Ce sont ces modles qui vont nous intresser pour ce cours. L aussi, on peut tenter une classification sommaire. - Les modles empiriques Il sagit didentifier les variables qui interviennent priori dans un phnomne physique et de les relier par une quation partir dune srie dobservations. Cette quation na parfois rien de physique, mais reprsente bien le nuage de points . Elle est totalement dpendante de lchantillon qui a servi au calage. - Les modles conceptuels Ils abordent la reprsentation dun phnomne complexe partir dun autre beaucoup plus simple tudier. Par exemple, en hydrologie, on conoit souvent le fonctionnement dun bassin versant (en termes de production dun dbit deau) comme celui dun rservoir, objet dont le remplissage et/ou la vidange se mettent facilement sous forme dquations. - Les modles mcanistes La mcanique, en tant que science, est la base de la reprsentation du phnomne. On aboutit gnralement un type dquations dites aux drives partielles, quil sagit ensuite de rsoudre. Cest ce dernier type de modlisation auquel ce cours se consacre. On verra successivement comment on aboutit des quations aux drives partielles travers un exemple, et deux mthodes classiques pour les rsoudre. FN CRES

Modlisation

2.

EXEMPLE D'ETABLISSEMENT DUNE EQUATION MECANISTE

On va partir dun exemple suffisamment simple pour tre comprhensible quelque soit lorigine scientifique du lecteur : le comportement dun produit par exemple un polluant dans de leau. Il sagit dun problme dit de diffusion.

2.1. Equation de diffusion 1D

On considre un paralllpipde, de section S, constitu de matire homogne immobile (de l'eau par exemple on verra plus loin le cas de l'eau en mouvement), ayant une concentration C1 d'un produit sur sa face gauche et C2 sur sa face droite. On peut faire comme hypothse que la quantit de matire M issue du produit en question qui franchit une section S du paralllpipde, c'est-dire qui circule par unit de longueur sur l'axe des x, de l'avant vers l'arrire pendant le temps C1 t est: - proportionnel la section S S - proportionnel la diffrence C1-C2 - proportionnel t x - inversement proportionnel x. en effet, plus x est petit et plus la quantit de matire devant franchir la section S pendant l'intervalle de temps t sera importante pour passer de la concentration C1 et C2.
C2

soit

M = K xS

C1 C 2 t x

La dimension de K, qui est appel coefficient de diffusion, est ici m/s. Remarque : cette relation peut se vrifier exprimentalement. La forme de cette relation s'applique diffrents domaines scientifiques en fonction de la variable C et porte diffrents noms selon le domaine concern (loi de Fick en Gnie des Procds, loi de Darcy en hydrogologie, loi de Fourier en thermique ) On admettra comme convention que M est positif si C1 > C2 et que le coefficient Kx est constant le long de laxe Ox (on tudiera le cas de ce coefficient variable plus loin) Cette quation trs simple, admise comme hypothse, est la base de l'quation de la diffusion. Le lecteur est invit bien la mmoriser et toujours se rappeler ce point de dpart. On considre maintenant un volume de matire homogne dcoup en paralllpipdes de longueur x. On considre des paralllpipdes suffisamment petits pour que la concentration, au sein de chaque paralllpipde, y soit considre comme constante. FN CRES

Modlisation

Faisons un bilan de produit au niveau de la tranche i selon l'axe des x : on regarde ce qui rentre et ce qui sort de cette tranche pendant lintervalle de temps t afin de connatre la concentration dans cette tranche. On suppose donc qu'il n'y a pas d'change de matires dans les directions Oy et Oz.

z i-1 Ci-1

Tranches 2 i+1 1 i Ci Ci+1 x

x y

La quantit de matire qui franchit la face 1, compte positivement dans le sens de l'axe Ox, s'crit : C Ci M i1 = K x S i 1 t x La quantit de matire qui franchit la face 2, compte positivement dans le sens de l'axe Ox, s'crit : C C i +1 M i2 = K xS i t x Si on considre que le coefficient Kx est constant le long de l'axe Ox, le bilan dans la tranche i s'crit : Variation de matire (Mi) = ce qui entre (Mi1) ce qui sort (Mi2) C 2Ci + Ci +1 M i = M i1 M i 2 = K x S i 1 t x

Ecrivons la variation de concentration dans la tranche i, en divisant par son volume Sx : C 2Ci + Ci +1 C 2Ci + Ci +1 M i C = = K x S i 1 t = K x i 1 t S x S x x x 2

Soit

C 2Ci + Ci +1 C = K x i 1 t x 2

(quation A)

Regardons de plus prs les deux termes de cette quation :

a - Tout d'abord, le terme C/t. C'est le rapport entre la variation de concentration C, qu'on observe pendant une dure t, et cette dure t.

FN CRES

Modlisation

C'est donc, en terme d'unit, par exemple des mg/l/s, soit de combien varie C par unit de temps. Notamment, si t = 1 (1 seconde), on a Ci+1 la variation de C directement chaque seconde. C Ce n'est cependant pas ce qui va nous Ci intresser, car on dsire savoir comment varie C instantanment (pour une trs t petite dure), car quand on crit une ti+1 ti fonction C(x, t), cela signifie que C est t "exprimable" aux coordonnes x et t, et pas pour un intervalle x et t. On fait donc tendre t vers 0 pour avoir une variation instantane C (le mot "instantane" doit bien tre pris dans son sens premier : un instant, donc quand t0).

Vers quoi va tendre le rapport C/t quand t0 ? Si on y regarde rapidement et instinctivement, il tend vers un rapport 0/0, ce qui est indtermin. C'est l que les mathmatiques viennent notre secours !

C corde Ci+1 angle Ci t ti ti+1 C

Considrons l'angle entre l'horizontale et la corde reliant les points (Ci, ti) et (Ci+1, ti+1). La tangente de cet angle est le rapport entre le cot oppos et le cot adjacent, soit C/t. C'est aussi la valeur de la pente de la corde (voir Annexe 2 si ncessaire). Vers quoi tend le rapport C/t quand t0 ? On voit graphiquement que ce rapport tend vers la pente de la tangente la

t Tangente la courbe courbe au point d'abscisse ti. C'est--dire que la variation instantane de C est gale la pente de la tangente la courbe l'abscisse t qui nous intresse. C On nomme cette pente de la tangente la courbe "drive premire" et on la note . C'est t la variation instantane de la concentration (en fonction du temps ici) et peut tre interprte smantiquement comme "comment drive (au sens de la variation) la fonction C en fonction de t". Elle exprime la valeur (ou la limite) de C/t quand t tend vers 0 (et il plus rapide C d'crire que "limite de C/t quand t tend vers 0"). t
Remarque : il y a la notation

C dC et . Tout dpend si la fonction C est fonction d'une ou dt t plusieurs variables. Ici, C est fonction de x (voire de y et z galement voir plus loin) et de t. FN CRES

Modlisation

10

On parle alors d'une "drive premire partielle" car on ne regarde la variation instantane de C qu'en fonction de t, alors qu'elle dpend aussi de x (on regarde cette variation pour un x fix, mais ce n'est pas forcment la mme pour tout x). dC Si C n'tait fonction que de t, on crirait alors car il n'y a pas d'autres variables qui dt peuvent influencer cette valeur de variation instantane. De faon gnrale, si on a une fonction U(x) U dpend d'une seule variable alors on parle de drives pour dsigner des variations instantanes en fonction de x, et si U dpend de plusieurs variables, on parle de drives partielles. Si une quation relie la fonction U avec ses drives (ce qui est le cas le plus frquent dans les modles mathmatiques), on parle d'quation diffrentielle si U ne dpend que d'une variable, et d'quations aux drives partielles si U dpend de plusieurs variables.

De tout cela, on en conclut donc que le terme

C (variation instantane de C par rapport t) quand t 0. t

C correspond la drive premire partielle t

b - A quoi correspond le deuxime terme de cette quation

C au point d'abscisse x. Cette drive x correspond la pente de la tangente la courbe au point d'abscisse x comme on vient de le voir. Considrons la courbe ci-dessous et sa drive On peut approximer cette tangente par la pente de la corde entre les points (xi ,Ci) et (xi+1 ,Ci+1). La pente de cette corde est gale la tangente de l'angle entre la corde et l'horizontale.

Ci 1 2Ci + Ci +1 ? x 2

C Ci+1 Ci Ci-1

Approximation de la tangente

tangente x x X i-1 Xi Xi+1 x

pente est donc gale Ci +1 Ci tg()= ; plus x est petit, et x plus l'approximation est valide. C Ci est Autrement dit, le terme i +1 x

Cette

C une approximation de la drive premire l'abscisse xi quand x 0. x i C De la mme faon, on peut approximer la drive premire l'abscisse xi par la pente x i C C Ci 1 quand x 0. de la corde entre les points (xi ,Ci) et (xi-1 ,Ci-1) : i x x i

FN CRES

Modlisation
TOPO sur la drive seconde

11

On peut maintenant avoir une approximation de la drive seconde en xi , en drivant 2 fois C(x) par rapport x, et en appliquant les 2 faons vues au-dessus: 2C C Ci +1 Ci C C Ci +1 Ci Ci Ci 1 Ci 1 2Ci + Ci +1 = x x x x = x x x x = x 2 x 2 = x 2 x 2 i i +1 i i Autrement dit, le deuxime terme de l'quation A correspond l'approximation de la drive C 2Ci + Ci +1 2 C seconde de la fonction C; quand x 0, nous avons i 1 x 2 x 2 i L'quation A est donc une expression de C 2C = Kx t x 2 et tend vers cette dernire quand x 0 et t 0 L'quation encadre est dite de la diffusion 1D (1D pour une dimension d'espace). Cest une quation aux drives partielles (EDP) car C est fonction dau moins 2 variables (x et t) et elle fait intervenir les drives de C par rapport ces 2 variables.

2.2. Interprtation d'une quation aux drives partielles

Comment "lire" l'quation prcdente ? C La drive premire correspond la variation de concentration dans le temps, c'est--dire t de quelle quantit C varie dans le temps. 2C correspond la variation de la variation (drive de la drive La drive seconde x 2 premire) de concentration selon l'axe des x, autrement dit, ce terme s'intresse la faon dont la drive premire de la concentration varie en x. L'quation de la diffusion dit que la variation de concentration au cours du temps est proportionnelle la variation de la variation de concentration en espace. Interprtons ce qui vient d'tre dit :

FN CRES

Modlisation

12

C Cas 1 C i+ Cas 2

Ci- x Xi Xi Xi- Xi+ X i- Xi+ Sur le graphique ci-dessus, on considre un petit dplacement gauche et droite de X et l'allure de la solution entre Xi- et Xi+. Nous avons une valeur (approximative) des drives premires droite et gauche de Xi travers les pentes des cordes entre Xi- et Xi d'une part, et Xi et Xi+ d'autre part. Il est important de remarquer que la variation de concentration entre Xi- et Xi+ est ma mme dans les 2 cas.
Dans le cas 1, les pentes sont voisines. L'quation dit donc que dans l'intervalle de temps t, C 2C la concentration en xi ne changera gure (donc sera faible) puisque le terme 2 est voisin t x de 0. Dans le cas 2, les pentes sont trs diffrentes. L'quation de la diffusion dit alors que la C 2C sera important) puisque le terme 2 est loin concentration en xi va beaucoup changer ( t x d'tre ngligeable). Ainsi, l'quation de la diffusion prcise que la variation de concentration dans le temps ne dpend pas de la diffrence de concentration entre 2 points, mais dpend de la diffrence des pentes entre ces 2 points (donc de l'allure de la solution et non de la valeur de la solution). L'interprtation physique est simple : les valeurs de pentes reprsentent les flux de part d'autres du point xi (soit des quantits de polluant qui circulent gauche et droite de xi , c'est bien ce qu'on a crit au tout dbut : on a fait un bilan de ce qui entrait et sortait de tranche i). - Si les flux de part et d'autre de xi sont voisins, le bilan est proche de zro et concentration en xi ne varie gure dans le temps. - Si les flux sont diffrents, le bilan ne sera pas quilibr au niveau de xi et concentration changera dans le temps et et la la la

2.3. Equation de la Diffusion 3D

En supposant qu'il y a galement des changes dans les directions Oy et Oz.

FN CRES

Modlisation

13

On peut raliser ce mme bilan de matire selon les deux autres axes y et z de l'espace, pour avoir un bilan total au niveau de la tranche Ci,j,k.(indice i pour laxe Ox, j pour laxe Oy et k pour laxe Oz) Supposons dans un premier temps que le coefficient de proportionnalit est constant dans toutes les directions de l'espace : Kx = Ky = Kz = K La variation Mi,j,k de matire dans la tranche (i,j,k) s'crit :
M i , j,k = (M i1, j,k M i 2, j,k ) + (M i , j1,k M i , j2,k ) + (M i , j,k1 M i , j,k 2 ) t x Ci , j1,k 2Ci , j,k + Ci , j+1,k + K yS y t y Ci , j,k 1 2Ci , j,k + Ci , j,k +1 + K z Sz t z Supposons dans un premier temps que le coefficient de proportionnalit est constant dans toutes les directions de l'espace : Kx = Ky = Kz = K
Ci , j1,k 2Ci , j, k + Ci , j+1,k Ci , j, k 1 2Ci , j, k + Ci , j,k +1 Ci 1, j,k 2Ci , j,k + Ci +1, j,k M i , j, k = K t + Sy + Sz Sx x y z

= K x Sx

Ci 1, j,k 2Ci , j,k + Ci +1, j,k

En divisant par le volume de la tranche V = x y z, on a une variation de concentration

Sy Ci , j1, k 2Ci , j, k + Ci , j+1,k Sx Ci 1, j,k 2Ci , j,k + Ci +1, j,k Sz Ci , j,k 1 2Ci , j,k + Ci , j,k +1 Ci , j, k = K t + + 2 2 yz x xz y xy z 2

or Sx = y z ; Sy = x z ; Sz = x y do
Ci 1, j, k 2Ci , j,k + Ci +1, j,k Ci , j1,k 2Ci , j,k + Ci , j+1,k Ci , j,k 1 2Ci , j,k + Ci , j,k +1 Ci , j, k = K t + + x 2 y 2 z 2

En reprenant les considrations prcdentes sur les drives, on aboutit alors :

2C 2C 2C C = K x 2 + y 2 + z 2 = K C t

La somme des drives secondes est appele Laplacien et note . On a alors C = K C t Il s'agit de l'quation de la diffusion 3D. Ici, il faut bien noter que le coefficient de diffusion est constant dans toutes les directions de l'espace. Entre le modle 1D et 3D, on peut bien sr tablir un modle 2D.

FN CRES

Modlisation

14

2.4. Conditions limites et condition initiale

Dans cette dmarche, on a travaill avec une tranche i,j,k "interne", mais il est vident que pour la premire et la dernire tranche (dans chacune des directions de l'espace), il faudra reprsenter ce qui se passe chacune des extrmits pour tablir un bilan massique du produit dans la premire et dernire tranche. Autrement dit, il faut savoir ce qui se passe sur les frontires du domaine tudi pour pouvoir tablir un bilan des tranches priphriques. Sans cette connaissance, on ne pourra pas tablir la variation de concentration sur ces tranches priphriques, et en cascade, on ne pourra pas tablir de bilan sur une tranche quelconque. Il s'agit des conditions limites qui grent le phnomne sur toutes les frontires spatiales. On distingue gnralement 2 grands types de conditions limites : les conditions de type Dirichlet : elles fixent une valeur de la concentration sur la frontire. Cette condition permet donc toujours de faire un bilan sur la premire ou dernire tranche en tablissant la quantit de matire qui franchit la frontire. Dans l'exemple prcdent, cela revient connaitre la concentration sur la frontire du domaine (par exemple une source de pollution qui maintient constante la concentration sur la frontire). Les conditions de type Neumann : elles fixent la valeur de la drive de la concentration sur la frontire. Cette condition permet aussi d'tablir un bilan sur la premire ou dernire tranche puisqu'on a directement le terme C / x (ou C / y ou C / z ). On les appelle aussi conditions de flux. Dans l'exemple prcdent, cela revient avoir du polluant qui entre sans arrt dans (ou sort de) notre domaine d'tude si ce flux n'est pas nul).

Insistons sur la diffrence des 2 conditions par rapport notre exemple. Dans le premier cas, du polluant entrera dans (ou sortira de) notre domaine s'il y a une diffrence de concentration entre la frontire et la tranche priphrique (puisque la quantit qui circule entre 2 tranches est proportionnelle la diffrence de concentration). Si les concentrations la frontire et dans la tranche priphrique sont identiques, rien ne rentre (rien ne sort) Dans le deuxime cas, quelque soit les concentrations sur la frontire et dans la tranche priphrique, du polluant entre ou sort si le flux est diffrent de 0, et rien ne franchit la frontire si le flux est nul. De la mme faon, l'origine temporelle du phnomne, la concentration du produit l'intrieur de chaque tranche va commander l'change de matire entre les tranches, du moins pendant les premiers instants. La connaissance des concentrations linstant zro est donc indispensable pour apprhender lvolution des concentrations de chaque tranche dans le temps. Il s'agit ici de la condition initiale. Ces conditions sont extrmement importantes : 1) elles conditionnent la valeur de la solution, c'est--dire qu'elles sont aussi importantes que l'quation elle-mme. Des conditions limites diffrentes, pour une mme quation rsolue, donneront des solutions diffrentes.

FN CRES

Modlisation

15

2) elles doivent tre compatibles avec l'existence d'une solution, et que celle-ci soit unique (dans le cas contraire, on parle de problme mal pos) Cette dernire notion, problme bien ou mal pos, peut tre illustre avec un exemple simple. d 2 y( x ) = 0 dans l'intervalle [x1 , x2]. Prenons l'quation diffrentielle dx 2 Remarque : cette quation en y(x) n'est qu'un cas particulier d'une EDP : la fonction (y) ne dpend que d'une seule variable (x), c'est pour cela qu'on met un (d) au lieu d'un ( ). La solution analytique de cette quation est y(x) = ax + b. Il s'agit d'une solution "mathmatique" qui admet une infinit de solutions en fonction de (a) et (b), mais une solution physique se doit d'tre unique, en admettant que cette quation modlise un phnomne physique. Ce sont les conditions limites qui vont imposes la "valeur" de la solution. C'est dj un premier lment qui montre l'importance des conditions limites. Etudions diffrents cas de conditions limites en x1 et x2 : 2 conditions de Dirichlet en x1 et x2 : on a alors 2 points fixs, et par ces 2 points, on peut faire passer une droite. Le problme est bien pos. 1 condition de Dirichlet et 1 condition de Neumann : on a un point et une pente fixs, ce qui est compatible avec une droite. Le problme est galement bien pos. 2 conditions de Neumann en x1 et x2 : on a alors un problme car soit les 2 conditions de Neumann sont gales et il y a alors une infinit de solutions, soit les 2 conditions de Neumann sont diffrentes et il n'y a pas de solution car il est impossible qu'une droite ait 2 pentes diffrentes. . Le problme est alors mal pos. Cet exemple illustre donc que les conditions limites que l'on retient entrainent l'unicit ou l'inexistence d'une solution physique.

2.5. Rgime permanent et non permanent

On parle dun phnomne en rgime permanent quand son volution est indpendante du temps. Dans lquation de la diffusion, le terme
C t

est nul et l'quation devient C = 0 .

Il sagit de lquation de Laplace (somme des drives secondes en espace nulle). Rciproquement, si le temps intervient dans l'quation, on parle d'un rgime non permanent.

2.6. Complments lquation de base

On se remet dans le cas o on regarde ce qui de passe le long de laxe Ox uniquement (c'est plus simple crire et l'extension 2 ou 3 dimensions ne pose pas de problme particulier).

2.6.1. Injection (ou soutirage)

On peut "injecter" ou "soutirer" dans la tranche j une quantit M0 du produit en question. La quantit totale qui entre ou qui sort de la tranche i s'crit : M i = M i1 M i 2 + M 0 (M0 est positif ou ngatif selon le cas).

FN CRES

Modlisation
M0 M0 Mi M M i2 C 2C i + C i +1 = i1 + = K i 1 t + 2 S x S x S x S x x M0 C i 1 2C i + C i +1 C Soit =K + t S x t x 2 C 2C = K 2 + q0 Ou encore quand x et t tendent vers zro : t x Remarque : q0 est exprim en mg/l/s

16

D'o C =

2.6.2. Cintique propre du produit

Il s'agit d'un terme de croissance (apparition) ou de dcroissance (disparition) du produit. On considre souvent que la variation de concentration due cette cintique est proportionnelle la concentration de produit (cintique du premier ordre) et se traduit au niveau du bilan de la tranche i par un terme k'C (en positif ou en ngatif). Mi M M i2 C C 2Ci + Ci +1 k ' C + C = + k ' C = i1 + k ' C d'o = K i 1 S x S x x 2 t t 2 C C = K 2 + kC Ou encore quand x et t tendent vers zro : t x Remarque : k est exprim s-1

2.6.3. Convection
Nous avons fait l'hypothse que la matire dans laquelle on observe le produit tait immobile. Supposons maintenant qu'elle est anime d'une vitesse U positive dans le sens des x. De par ce mouvement, indpendamment du phnomne de diffusion, la quantit de matire qui entre dans la tranche i en provenance de la tranche i-1 s'crit : - quantit deau qui entre par unit de temps : US (on a des m3/s si U en m/s et S en m) - masse de produit par unit de temps : US Ci-1 (on a des mg/s, si C est en mg/m3) - masse de produit : US Ci-1 t (en mg si t en secondes) et il en sort une quantit USCit par un mme raisonnement. On aura donc la variation globale suivante de matire dans la tranche i : M i = M i1 M i 2 + USCi 1t USC i t M Mi2 C Ci et la variation de concentration suivante : C = i1 + U i 1 t S x x C C 2Ci + Ci +1 C Ci + U i 1 = K i 1 soit 2 x x t C Ci est une approximation de la drive premire en i (au signe prs) et tend Le terme i 1 x donc vers cette drive quand x 0. Dans ce cas (x 0), on a alors l'quation : C C 2C C 2C C +U =K 2 =K 2 U ou bien t x t x x x Il s'agit de l'quation dite de Diffusion-Convection 1D.

FN CRES

Modlisation

17

En 3D, on considre les vitesses Ux, Uy, Uz, dans chaque direction de lespace. On tablit les mmes bilans que prcdemment et on obtient : C C C C + Ux + Uy + Uz = K C t x y z En considrant les vecteurs - U de composantes ( U x , U y , U z )
C C C - grad C de composantes x , y , z C C C C + U . grad C = K C o U . grad C = U x on a l'quation + Uy + Uz t x y z

2.6.4. Cas o K est variable (dans toutes les directions et en tous points)
Reprenons le problme sans injection, cintique ou convection. Dans un premier temps, on regarde ce qui se passe le long de l'axe Ox. La quantit de matire Mx qui franchit une section S du paralllpipde est : C C2 M x = K ( x , y, z ) S 1 t x Introduisons qx le flux, toujours selon l'axe Ox, par unit de surface d'change (flux surfacique) : M C C2 q x = x = K ( x , y, z) 1 soit M x = S t q x x S t
q x = K ( x, y, z) C quand x 0 x

En faisant un bilan d'accumulation dans une tranche i, donc un bilan des flux entre les faces 1 et 2 : Accumulation M = Entre Sortie Accumulation M = St (q x1 q x 2 ) D'o la variation de concentration au sein de la tranche j : M S t (q x1 q x 2 ) t (q x1 q x 2 ) C = = = S x S x x O encore q q x1 C q x1 q x 2 = = x2 t x x En passant en notation diffrentielle quand x 0 et t 0 : q C C = x avec q x = K ( x, y, z) t x x On procde de la mme faon sur les axes Oy et Oz. Le flux sur chacun des axes s'crit : q y = K ( x, y, z) En prsentation vectorielle, on a C C et q z = K ( x, y, z) y z

FN CRES

Modlisation
q = K ( x , y, z).gradC

18

q est un vecteur de coordonnes q x , q y , q z

C C C grad C est un vecteur de coordonnes x ; y ; z L'accumulation sur chacun des axes conduit : q y q C C et = = z t y t z

La variation totale de concentration sur un volume infinitsimal sera la somme des variations selon les diffrents axes : q y q z q C = x t x y z r En notant div(q) - lire divergent de q - la somme des drives premires : q y q z r q div(q) = x + + y x z r C = div(q) = div K ( x , y, z).gradC t

C'est l'criture gnrale de l'quation de la diffusion (sans convection, ni apport ou soutirage, ni cintique)
Remarque : si K est constant : K(x,y,z) = K, on a alors r C = div(q) = K div gradC = K div gradC t C C C C C C C = K = K + + x + y + x = K.C t x x y y z z

2.6.5. Autres problmatiques

Nous avons trait ici le cas d'un produit (dans de l'eau priori) travers sa concentration, mais la dmarche peut bien sr s'appliquer toute variable : chaleur (c'est d'ailleurs dans ce cadre que l'quation de la diffusion fut tout d'abord tablie ; on parle alors d'quation de Fourier) la variable tudie est alors la temprature , volume d'eau " surface libre" la variable tudie est alors la hauteur d'eau travers un bilan des volumes d'eau Dans tous les cas, on arrive des quations aux drives partielles (EDP), gnralement dordre 2, cest--dire quelles font intervenir les drives secondes.

2.7. Sur le Laplacien, le Gradient et le Divergent 2.7.1. Oprateurs en mathmatique et en physique

Laplacien, gradient et divergent sont nomms "oprateurs", car ils permettent "d'oprer" (au sens de travailler) sur des fonctions.

FN CRES

Modlisation

19

Ces diffrents oprateurs sont dfinis mathmatiquement. Cependant, leur application en physique est diffrente de leur dfinition mathmatique. En effet, alors qu'en mathmatique on peut avoir n variables dans un problme x1, , xn, en physique on considre classiquement 4 variables au maximum ( priori), les 3 dimensions d'espace (x, y, z) et la variable temps (t). Ainsi, quand on parle d'un laplacien en mathmatique, il va s'appliquer toutes les variables x1, , xn, alors qu'en physique, on ne l'applique qu'aux variables d'espace. Pourquoi ? Parce que dans les quations qu'on obtient physiquement, on a une certaine "symtrie" des variables d'espace o on retrouve un laplacien alors que la variable temps apparat " part". Ainsi, en appliquant le laplacien qu'aux variables d'espace, on peut l'introduire et simplifier l'criture de l'quation. Ceci est bien videmment vrai pour le gradient et le divergent. On gardera ici l'approche physique de ces oprateurs pour rester cohrent avec le polycopi, et on les appliquera uniquement sur les variables d'espace.

2.7.2. Le Laplacien
C'est la somme des drives secondes d'une fonction. Dans le polycopi, une telle somme apparat au paragraphe 2.3, lorsqu'on fait un bilan dans les 3 directions de l'espace, et que le coefficient de diffusion est constant. 2C 2C 2C C = K = K C x 2 + y 2 + z 2 t Physiquement, ici le laplacien reprsente ici le rsultat d'un bilan. Pour compter le paragraphe prcdent, dans le cas de lquation de la diffusion, le laplacien 2C 2C 2C 2C mathmatique scrirait 2 + 2 + 2 + 2 , alors que le laplacien physique x y z t quon crit est 2C 2C 2C + + donc uniquement avec les variables despace. x 2 y 2 z 2

2.7.3. Le gradient

Le gradient d'une fonction u est un vecteur de composantes u/x, u/y, u/z. Ce terme apparat dans le polycopi (au paragraphe 2.6.4) quand on veut dcrire "indpendamment" les changes de produit dans chaque direction de l'espace, et qu'on a un coefficient de diffusion variable. C Le flux en x s'crit q x = K ( x, y, z) , x C C Et sur les autres axes, on a q y = K ( x, y, z) et q z = K ( x, y, z) . y z Il est plus pratique de considrer q comme un vecteur avec 3 composantes qx, qy et qz, et on a alors q = K ( x , y, z).gradC

FN CRES

Modlisation

20

Physiquement, ici le gradient est l'expression de la variation instantane d'une fonction u dans chaque direction d'espace.

2.7.4. Le divergent
C'est la somme des drives premires d'un champ vectoriel (un vecteur). Ce terme apparat (au paragraphe 2.6.4 du polycopi) quand on veut obtenir un bilan des changes dans un volume unitaire et qu'on a un coefficient de diffusion variable. q y q z q r C C On a = div(q) = div K ( x , y, z).gradC = x , soit t x y z t Physiquement, ici le divergent reprsente comment va "se dformer" une fonction, puisque qu'on somme les variations dans chaque direction de l'espace

C = div K ( x, y, z).gradC s'crit t C C C C K ( x , y , z ) K ( x , y , z ) K ( x , y , z ) = + + x . x y y z t z On peut convenir que cette criture est plus lourde que la premire.
a Sans utilisation de ces symboles, la dernire quation b le laplacien peut s'crire comme la divergence du gradient. C'est ce qui apparat dans la remarque la fin du paragraphe 2.6.4 o le coefficient de diffusion K est constant. En reprenant les quations prcdentes, et en dtaillant les calculs : C C C C Soit = + K ( x , y, z ) K ( x , y, z ) K ( x , y, z ) + t x y y z z x

2.7.5. Remarques

Si K est constant : K(x,y,z) = K, on peut sortir K des drives, et le mettre en facteur : C C C C C C C = K + + = + K + z z y x x y y z z x x t y C C C C = K x + y + x = K.C t Tout cela peut s'crire plus rapidement r C = div(q) = div( K gradC) = K div gradC = K div gradC = K.C t Finalement, l'criture "divergent du gradient" est une gnralisation du laplacien, ce dernier tant un cas particulier pour l'quation de la diffusion.

FN CRES

Modlisation

21

2.8. Laplacien en coordonnes polaires

Il est frquent, lorsqu'on a des domaines ayant une forme circulaire (au moins dans une direction d'espace, par exemple un disque, ou une colonne pour ce qui est du gnie civil), de travailler non pas en coordonnes cartsiennes, mais en coordonnes polaires. En coordonnes polaires, chaque point M du plan, au lieu d'tre repr par ses valeurs (x , y) en coordonnes cartsiennes, est alors repr par ses valeurs (r , ) en coordonnes polaires. y r M

x 2u 2u Le problme est alors d'crire le laplacien d'une fonction u : 2 + 2 en fonction des x y coordonnes (r , ). Il faut donc remplacer les drives en x et y en faisant apparatre les drives en r et . Ce calcul est fait en annexe 4, et permet d'crire le laplacien en coordonnes polaires : 2 u 1 u 1 2 u + + r 2 r r r 2 2

FN CRES

Modlisation

22

3.

CLASSIFICATION DES PARTIELLES DORDRE 2

EQUATIONS

AUX

DERIVEES

3.1. Classification par les coniques

La classification des EDP peut tre rapproche de celle des coniques. Cest ce que nous allons faire. Soit lquation dune conique ax + 2bxy + cy + dx + ey + f = 0 (a 0 et c 0)

3.1.1. Classification par discriminant et par valeurs propres

Les directions asymptotiques sont obtenues quand on fait tendre les variables x et y vers linfini. Lquation dune conique est alors quivalente aux termes de plus haut degr : ax + 2bxy + cy = 0 En posant y = mx, on obtient ax + 2bmx + cmx = 0 cm + 2bm + a = 0 Cest lquation des directions asymptotiques. La nature dune conique dpend du signe du discriminant = 4b - 4ac de cette quation : - si > 0 : 2 directions asymptotiques relles et distinctes ; la conique est une hyperbole - si = 0 : 2 directions asymptotiques relles et confondues ; la conique est une parabole - si < 0 : pas de directions asymptotiques relles; la conique est une ellipse Le signe de est indpendant de tout changement daxe : cest une caractristique intrinsque de lquation. Lquation des directions asymptotiques ax + 2bxy + cy = 0 peut se mettre sous la forme matricielle suivante : a b x a b T [x y] b c y = 0 soit [x y] Q [x y] = 0 o Q = b c Soit 1 et 2 les valeurs propres de Q. Ce sont les solutions de lquation (a )(c ) b = 0 On montre que la classification des coniques par discriminant est quivalente : - si 1 et 2 sont non nulles et de signes diffrents ; la conique est une hyperbole - si 1 ou 2 sont nulles ; la conique est une parabole - si 1 et 2 sont non nulles et de mme signe ; la conique est une ellipse

3.1.2. Application aux EDP dordre 2

Les propos prcdents peuvent stendre directement aux quations aux drives partielles linaires d'ordre 2 (avec des drives secondes).

FN CRES

Modlisation Soit lEDP linaire gnrale 2 variables : u u 2u 2u 2u + c 2 + F( x , y, u, , ) = 0 o a, b et c sont des fonctions de x et y. a 2 +b x y y xy x u u F( x , y, u , , ) regroupe tous les termes et toutes les drives qui ne sont pas dordre 2. x y a b On considre la matrice Q = et ses valeurs propres. b c LEDP est hyperbolique si les valeurs propres sont non nulles et de signes diffrents. LEDP est parabolique si au moins une valeur propre est nulle. LEDP est elliptique si les valeurs propres sont non nulles et de mme signe.

23

Ces dfinitions sappliquent aux EDP dordre 2 plusieurs variables. La taille de la matrice Q est alors gale aux nombre de variables que l'on a dans l'quation. On va se limiter 4 variables au maximum : x, y, z, t (mais le raisonnement sapplique bien sr moins de variables comme on la fait au dessus). La matrice Q se construit en mettant sur la diagonale principale les coefficients des drives secondes dune seule variable, les autres termes tant les coefficients des drives mixtes (de 2 variables car on a des drives secondes au plus dans lquation). On peut reprsenter au dessus et gauche de la matrice les drives auxquelles chaque terme se rapporte (la matrice est entre crochets) : x y z t a1 b1 b2 b3 x b1 a2 c1 c2 y b2 c1 a3 d z b3 c2 d a4 t Cette matrice est symtrique. Par exemple, de l'quation

2u 2u 2u 2u 2u + 2 + 3 + 4 + 5 = 0 (totalement imaginaire), x 2 y 2 t 2 xy yz on extrait la matrice Q suivante :

FN CRES

Modlisation x 1 4 0 0 y 4 2 5 0 z 0 5 0 0 t 0 0 0 3

24

x y z t

Les EDP d'ordre 2 classiques qu'on traite dans ce cours n'ont pas de drives mixtes (on traite titre d'exemple l'quation de Laplace et l'quation de la diffusion). La matrice Q est alors une matrice dite diagonale car tous les termes en dehors de la diagonale principale sont nuls. Les valeurs propres d'une telle matrice sont videntes : il s'agit des termes de la diagonale principale. 2u 2u 2u + + = 0 est elliptique car les valeurs Par exemple, lquation de Laplace x 2 y 2 z 2 propres sont non nulles et de mme signe (1, 1, 1)

2 u 2 u 2 u u Lquation de la diffusion k x 2 + y 2 + z 2 = t est parabolique car au moins une valeur propre est nulle. Les valeurs propres sont (k, k, k, 0)
Enfin, pour citer une EDP d'ordre 2 classique, prenons lquation des ondes 2u 2u 2u 2u k2 x 2 + y 2 + z 2 = t 2 qui est hyperbolique car les valeurs propres sont non nulles et de signes diffrents (k, k, k, -1)

Une EDP peut tre de type mixte, c'est--dire d'un type ou d'un autre selon le cas. Cela se produit si un des coefficients de l'quation est une fonction. 2u 2u Prenons un exemple d'une EDP a 2 variables : x 2 + y 2 = 0 . Les valeurs propres sont x y alors x et y. Selon la rgion du plan o on est, on aura un type diffrent : - Elliptique si x et y sont de mme signe et Hyperbolique diffrents de 0 (partie suprieure droite ou infrieure gauche). Hyperbolique si x et y sont de signe opposs et sont diffrents de 0 (partie suprieure gauche ou infrieure droite). Parabolique si x ou y est nul (sur les axes)
Elliptique y Elliptique Parabolique x Hyperbolique

FN CRES

Modlisation

25

3.2. Equation stationnaire et quation dvolution

On a vu que les quations hyperboliques et paraboliques avaient des directions asymptotiques relles. Cela veut dire que lune des variables peut tendre vers linfini. Aussi, toute EDP physique hyperbolique ou parabolique fait intervenir le temps. On parle alors dquations volutives, car la solution de ces quations volue en fonction du temps. A contrario, la solution dune quation elliptique nayant pas de directions asymptotiques relles, le temps ne peut pas y intervenir. On parle dquations stationnaires.

FN CRES

Modlisation

26

4.

RESOLUTION NUMERIQUES

DES

EDP

PRINCIPE

DES

METHODES

On aborde partir de ce chapitre les mthodes de rsolution des EDP. Celles-ci nont gnralement pas de solutions exactes et on utilise donc des mthodes numriques. Les mthodes numriques sintressent la recherche de valeurs de la fonction en des endroits particuliers. Autrement dit, on ne cherche pas lcriture dune fonction qui vrifie lquation, mais par quelles valeurs passe la fonction en des abscisses particulires (cest la mthode des diffrences finies), ou bien on recherche sur des lments du domaine tudi lcriture dune fonction simple qui approxime au mieux la solution recherche (cest la mthode des lments finis). Une fois ce travail fait, on a donc une image graphique de la solution. Nous allons tudier successivement ces 2 mthodes. Chaque solution qu'on obtient ainsi est une solution dans un cas particulier, c'est--dire pour des valeurs de conditions limites fixes, ventuellement avec des valeurs de coefficients fixes, et avec une gomtrie particulire du domaine d'tude. Le recours aux logiciels pour rsoudre les EDP est donc indispensable, d'une part parce qu'il y beaucoup de calculs faire, et d'autre part pour pouvoir rapidement obtenir un rsultat en changeant soit le domaine, soit les conditions limites et initiales. Gnralement, un logiciel rsout une EDP, voire ses variantes.

FN CRES

Modlisation

27

5.

LA METHODE DES DIFFERENCES FINIES

5.1. Principe de la mthode

Ce principe se dcline en plusieurs tapes. a - Le domaine tudi est maill. On parle de discrtisation du domaine. Exemple de maillage dun domaine 1D. Ce maillage peut tre rgulier ou non, cest--dire que le pas du maillage peut tre constant ou non
Noeuds

Pas du maillage

Frontire

Exemple de maillage dun domaine 2D (on nen a reprsent quune partie)

Frontire

Maillage Noeuds

La mthode des diffrences finies recherche une solution aux nuds du maillage. b On discrtise galement lEDP, cest--dire quon va crire en chaque nud une approximation algbrique de lquation dorigine. c On crit autant dquations algbriques quil y a de nuds o on cherche une solution, ce qui conduit crire un systme dquations d on rsout ce systme dquations Nous traiterons diffrents exemples simples illustratifs de cette mthode.

FN CRES

Modlisation

28

5.2. Cas dune EDP elliptique (stationnaire) 5.2.1. Cas de conditions de Dirichlet
On considre un domaine carr, donc 2 dimensions despace (problme 2D), o on veut rsoudre le problme suivant : 2u 2u + =0 x 2 y 2 (quation de Laplace) Les conditions limites sont de type Dirichlet, telles que dcrites sur le schma ci-contre, g1 et g2 tant 2 constantes quelconques.
y u = g2

u=0

2u 2u + =0 x 2 y 2

u = g1

u=0

a Discrtisation du domaine dtude Le domaine dtude comprend le domaine interne, not , et la frontire, note . On va crer un maillage relativement lche (afin de limiter ensuite les critures ; mais lextension plus de nuds ne pose aucun problme) et rgulier.

Ce maillage introduit en tout 25 nuds, dont 9 nuds internes et 16 nuds frontires. Cependant, les nuds frontires ne constituent pas des valeurs rechercher, puisque la valeur de la fonction y est connue (conditions de Dirichlet).

u = g2

7 u=0 4 1

8 5 2 u=0

9 6 3 x u = g1

Seuls les nuds ici numrots de 1 9 constituent donc les inconnues de notre problme, sachant que bien sr, les conditions limites doivent intervenir dans la solution. Le maillage tant rgulier, on pose x = y = h

Rappelons que la mthode des diffrences finies permet de trouver une valeur approche de la 2u 2u solution aux 9 nuds, solution qui vrifie lquation + =0 x 2 y 2
b Discrtisation de lquation Cette tape consiste remplacer lEDP par une quation algbrique approche. Plusieurs approches sont possibles.

FN CRES

Modlisation

29

Approche graphique (plus pdagogique) On a dj vu quon pouvait remplacer une drive par une quation. Considrons la courbe ciu dessous et sa drive au point d'abscisse x. Cette drive correspond la tangente la x courbe au point d'abscisse x. On note x = xi , x + x = xi + 1 et x - x = xi - 1 u(x) = ui , u(x + x) = ui + 1 et u(x - x) = ui - 1 On peut approximer cette tangente par la pente de la corde entre les points (xi ,ui) et (xi+1 ,ui+1).
u i +1 u i ; x et plus

u ui +1

Approximation de la tangente

Cette pente est gale

ui ui -1 x x xi -1 xi xi +1

tangente x

plus x est petit, l'approximation est valide. u ui Autrement dit, le terme i +1 est x une approximation de la drive

u premire l'abscisse xi quand x 0. x i u u i +1 u i est dite avant, ou droite, ou x x progressive, ou aval, car elle fait intervenir ui+1 labscisse xi+1.

Cette discrtisation de la drive premire

u De la mme faon, on peut approximer la drive premire l'abscisse xi par la pente x i u u i 1 u quand x 0. de la corde entre les points (xi ,ui) et (xi-1 ,ui-1) : i x x i

Cette discrtisation de la drive premire

u u i u i 1 est dite arrire, ou gauche, ou x x rgressive, ou amont, car elle fait intervenir ui-1 labscisse xi-1.

On peut galement approximer la drive premire par la pente de la corde entre les abscisses u u i +1 u i 1 xi-1 et xi+1. On a alors x 2x u u i +1 u i 1 Cette discrtisation de la drive premire est dite centre. x 2x On peut maintenant avoir une approximation de la drive seconde en xi , en drivant 2 fois par rapport x, et en appliquant une fois une discrtisation avant, puis une discrtisation arrire :

FN CRES

Modlisation

30

2u u i +1 u i u i u i 1 u i 1 2u i + u i +1 u u i +1 u i u u = x x x x = x x x x = x 2 x 2 = x 2 x 2 i i +1 i i

Cette discrtisation de la drive seconde

2 u u i 1 2u i + u i +1 est dite centre. x 2 x 2

Approche analytique (plus rigoureuse) On peut arriver au mme rsultat en utilisant le dveloppement de Taylor (ou en srie limite) dune fonction au voisinage dun point. Ce dveloppement permet de calculer la valeur de u ( x + x ) connaissant u ( x ) et les drives successives de u par rapport x. Le lecteur qui n'en est pas convaincu peut se reporter l'annexe 3 "Dveloppement de Taylor".

ou encore

u ( x ) x 2 2 u ( x ) x 3 + + x 2! x 2 3! 2 2 u ( x ) x u ( x ) x 3 u ( x x ) = u ( x ) x + x 2! x 2 3! u ( x + x ) = u ( x ) + x

3u ( x ) x 4 4 u ( x ) + + ... x 3 4! x 4 3 u ( x ) x 4 4 u ( x ) + + ... x 3 4! x 4

Remarque : on a mis ici des "" alors qu'on devrait mettre des "d". En fait u peut tre fonction de plusieurs variables et on a crit ici que la variable x pour allger l'criture. Remarque : les 3 points de suspension la fin des expressions prcdentes reprsentent une quantit que l'on nglige dans l'galit quand x tend vers zro. C'est--dire que ce terme tend plus rapidement vers zro que le dernier terme de la srie crit. Cette quantit nglige est crite sous forme d'une fonction o(xn) [il s'agit de la lettre o et non pas d'un zro] o n est alors appel "ordre de dveloppement". o(xn) se lit alors comme un "terme de l'ordre de xn". u ( x ) x 2 2 u ( x ) x 3 3 u ( x ) x 4 4 u ( x ) + + + Ex : u ( x + x ) = u ( x ) + x + o(x 5 ) 2 3 4 x 2! x 3! x 4! x Plus l'ordre du terme nglig est lev, et plus l'galit crite est "vrai", c'est--dire que plus le terme nglig est petit; donc mieux c'est !

En crivant ces dveloppements lordre 1 : u ( x ) u ( x + x ) = u ( x ) + x + o(x 2 ) x u ( x ) u ( x + x ) u ( x ) soit = + o(x ) ; cest le schma de discrtisation avant. x x u ( x ) + o(x 2 ) x u ( x ) u ( x ) u ( x x ) = + o(x ) ; cest le schma de discrtisation arrire. x x

u ( x x ) = u ( x ) x soit

FN CRES

Modlisation

31

Pour le schma centr : u ( x + x ) = u ( x ) + x u ( x ) x 2 2 u ( x ) + + o(x 3 ) 2 x 2! x u ( x ) x 2 2 u ( x ) + u ( x x ) = u ( x ) x + o(x 3 ) 2 x 2! x

en faisant la diffrence de ces 2 expressions : u ( x ) u ( x + x ) u ( x x ) = 2x + o(x 3 ) x u ( x ) u ( x + x ) u ( x x ) soit + o(x 2 ) ; schma de discrtisation centr = 2x x
Remarque : le schma centr est meilleur que les 2 autres, puisque avec une erreur en o(x) alors que les schmas avant et arrire ont une erreur en o(x).Ceci se visualise aisment par la mthode graphique reprise ci-dessous. On "voit" que quand x tend vers zro, l'approximation de la tangente en schma centr tend plus rapidement vers la bonne tangente qu'en schma dcentr.
u ui +1 ui x Approximation de la tangente u ui +1 ui ui -1 x xi +1 x x xi -1 xi xi +1 Approximation de la tangente

tangente xi

tangente x

Schma de discrtisation avant : erreur en o(x)

Schma de discrtisation centr : erreur en o(x)

Pour la drive seconde : u ( x ) x 2 2 u ( x ) x 3 3 u ( x ) + + u ( x + x ) = u ( x ) + x + o(x 4 ) 2 3 x 2! x 3! x 2 2 u ( x ) x u ( x ) x 3 3 u ( x ) + u ( x x ) = u ( x ) x + o(x 4 ) 2 3 x 2! x 3! x en faisant la somme de ces 2 expressions : u ( x + x ) + u ( x x ) = 2u ( x ) + x 2 soit 2 u(x) + o(x 4 ) x 2 2 u ( x ) u ( x + x ) 2u ( x ) + u ( x x ) = + o(x 2 ) ; schma centr 2 2 x x

En revenant notre exemple et en notant FN CRES

Modlisation u(x,y) = ui , j , u(x x , y) = ui 1 , j , u(x, y y) = ui

,j1

32 , u(x x , y y) = ui 1
,j1

Par ailleurs, nous rappelons que le maillage est rgulier : x = y = h 2 u u i 1, j 2u i , j + u i +1, j = + o( h 2 ) 2 2 x h 2 u u i , j1 2u i , j + u i , j+1 = + o( h 2 ) y 2 h2 En sommant ces 2 expressions 2 u 2 u u i 1, j 2u i , j + u i +1, j u i , j1 2u i , j + u i , j+1 + 2 = + + o(h 2 ) 2 2 2 x y h h 2 2 u u u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 + 2 = + o( h 2 ) 2 2 x y h Comme l'quation rsoudre est 2u 2u + =0 x 2 y 2 u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 = 0 en ngligeant lcriture de o(h) h2 soit u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 = 0 Cette expression constitue donc une approximation de lEDP crite au nud ui,j . Cest une relation entre 5 nuds qui approxime lEDP crite au nud ui,j. Calque sur le maillage, on lcrit sous forme graphique comme ci-dessous droite o on reprsente les coefficients de chacun des nuds :
Ui,j+1 Ui-1,j Ui,j Ui,j-1 Ui+1,j

1 1 -4 1 1

Discrtisation de l'quation de Laplace

Remarque : il s'agit bien ici de la discrtisation de l'quation de Laplace 2D, soit 2u 2u = 0. + x 2 y 2 Une autre quation donnerait une autre discrtisation, mme si on se base toujours sur les discrtisations de base des drives premires et secondes vues dans ce paragraphe.

c Ecriture du systme dquations On va maintenant crire lquation discrtise en chacun des nuds inconnus, ce qui va conduire un systme de 9 quations 9 inconnues. Pour cela, on reprend la numrotation des 9 nuds de 1 9 ; en effet, cela est moins laborieux que de travailler en double coordonnes (i,j).

FN CRES

Modlisation
u = g2

33 nud 1 : 4u 1 + u 2 + u 4 = 0 les nuds gauche et en bas correspondent aux conditions de Dirichlet nulles nud 2 : u 1 4u 2 + u 3 + u 5 = 0 nud 3 : u 2 4u 3 + g 1 + u 6 = 0 u = g1 le nud droite correspond la condition de Dirichlet gale g1 nud 4 : u 1 4u 4 + u 5 + u 7 = 0 nud 5 : u 4 + u 2 4u 5 + u 6 + u 8 = 0 nud 6 : u 5 + u 3 4u 6 + g 1 + u 9 = 0 nud 7 : u 4 4u 7 + u 8 + g 2 = 0 x nud 8 : u 7 + u 5 4u 8 + u 9 + g 2 = 0 nud 9 : u 8 + u 6 4u 9 + g 1 + g 2 = 0

7 u=0 4 1

8 5 2 u=0

9 6 3

On reprsente gnralement ce systme dquations sous forme matricielle, ce qui permet de bien choisir ensuite la mthode de rsolution qui sera adopte (voir l'annexe 1 sur la construction d'un systme matriciel partir d'un systme d'quations pour les personnes qui ne savent pas le faire). Ici, la premire ligne sert bien reprer les colonnes, sachant que labsence dune valeur dans la matrice carre correspond zro.
u1 u2 u3 u4 u5 u6 u7 u8 u9

1 u1 0 4 1 u 0 1 4 1 1 2 u 3 g1 1 4 1 1 4 1 u 4 0 1 u 5 = 0 1 1 4 1 1 1 1 4 1 u 6 g1 u g 1 4 1 2 7 1 1 4 1 u 8 g 2 1 1 4 u 9 g1 g 2

d Rsolution du systme dquations Nous renvoyons le lecteur aux mthodes numriques de rsolution dun tel systme (dernier chapitre). Nous lavons rsolu avec Excel dans lapplication numrique suivante : le carr fait 1 mtre de cot (donc h=0.25m) et avec g1 = 1 , g2 = 2.

Nous obtenons limage suivante de la solution :

FN CRES

Modlisation
y 0.93 u=0 0.47 0.21 u=2

34

1.24 0.75 0.38

1.29 0.90 0.57 u=1

u=0

Aux 4 coins, nous avons pris une valeur moyenne entre les conditions de Dirichlet concernes. L'image de droite est obtenue sous Excel et montre la forme de la surface qui vrifie l'quation de Laplace avec les conditions limites indiques. Un maillage plus fin permettrait dobtenir une meilleure prcision (mais avec plus dquations rsoudre et au dtriment de lapproche pdagogique).

5.2.2. Cas de conditions de Neumann homognes

On considre le mme problme que prcdemment : un domaine carr, donc 2 dimensions despace, o on veut rsoudre 2u 2u =0 le problme suivant : + x 2 y 2
y
u =0 y

Les conditions limites sont de type Dirichlet droite et gauche, telles que dcrites sur le schma ci-contre, et de type Neumann homogne (c'est--dire nulle) en haut et en bas.

u = g1

2u 2u =0 + x 2 y 2

u = g2

u =0 y
a Discrtisation du domaine dtude

FN CRES

Modlisation
u =0 7 y 8

35

Afin de limiter le nombre dquations crire, on adopte le maillage suivant du dessin de droite. Les nuds inconnus y sont numrots de 1 8. Sil ny a pas de problme pour les nuds internes 3 6, on peut lgitimement sinterroger sur les nuds frontires 1, 2 et 7, 8. En effet, la valeur de la drive est connue en ces nuds, mais en aucun cas la valeur de la fonction. Ce sont donc bien des nuds inconnus.

5 u = g1 3

6 u = g2 4

2 u =0 y

b Discrtisation de lquation On a exactement la mme quation que prcdemment ; elle peut tre approxime par lexpression u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 = 0 crite au nud inconnu ui,j

Ceci introduit une difficult aux nuds frontires puisque cette discrtisation de lquation introduit chaque fois un nud en dehors du domaine dtude, quon appelle nud fictif .

Ui-1,j Nud fictif

Ui,j+1 Ui,j Ui,j-1 Ui+1,j Ui-1,j

Ui,j+1 Nud fictif Ui,j Ui,j-1 Ui+1,j Frontire suprieure

Frontire infrieure

Cas de la frontire infrieure

Cas de la frontire suprieure

Pour liminer les nuds fictifs de la discrtisation, il suffit de prendre en compte la condition de flux sur la frontire en question. Prenons l'exemple du nud n1 et nommons le nud fictif 3'. La discrtisation de l'quation au nud 1 donne : g1 + u 3 ' 4 u 1 + u 2 + u 3 = 0 La discrtisation centre de la condition de flux au nud 1 s'crit : u u 3 u 3' = 0 ce qui implique que u3' = u3 y 2h

On remplace u3' dans la discrtisation de l'quation g 1 + u 3 4u 1 + u 2 + u 3 = 0 soit g 1 4u 1 + u 2 + 2u 3 = 0 Ceci qui permet d'liminer le nud fictif de l'quation crite au nud 1. FN CRES

Modlisation Remarquons que cette discrtisation vrifie simultanment l'quation et la condition limite. On obtient donc 3 formes diffrentes de discrtisation selon la position du nud : Nuds de la frontire suprieure Nuds internes
1

36

Nuds de la frontire infrieure 2

1 -4 1

-4 2

-4 1

c Ecriture du systme dquations

y
u =0 7 y 8

5 u = g1 3

6 u = g2 4

Nud 1 : Nud 2 : Nud 3 : Nud 4 : Nud 5 : Nud 6 : Nud 7 : Nud 8 :

g 1 4u 1 + u 2 + 2u 3 = 0 u 1 4u 2 + g 2 + 2 u 4 = 0 g 1 + u 1 4u 3 + u 4 + u 5 = 0 u 3 + u 2 4u 4 + g 2 + u 6 = 0 g 1 + u 3 4u 5 + u 6 + u 7 = 0 u 5 + u 4 4u 6 + g 2 + u 8 = 0 g 1 + 2u 5 4u 7 + u 8 = 0 u 7 + 2u 6 4 u 8 + g 2 = 0

2 u =0 y

La mise sous forme matricielle donne : u1 u 2 u 3 u 4 u 5

u6

u7

u8 u 1 g1 u g 2 2 u 3 g1 u 4 = g 2 u 5 g1 u 6 g 2 u g 7 1 g 2 u 8

2 4 1 1 4 2 1 4 1 1 1 1 4 1 4 1 1 1 1 1 4 1 4 1 2 2 1 4

d Rsolution du systme dquations

FN CRES

Modlisation

37

En prenant g1 = 1 et g2 = 2 dans un domaine carr de 1 mtre de ct, nous obtenons l'image suivante de la solution :
y 1.33 1.67

1.33 u=1 1.33

1.67 u=2 1.67

1.33

1.67

La solution dans cet exemple est un plan entre les valeurs 1 et 2 selon Ox. Ce qui vrifie parfaitement l'quation rsoudre (toutes les drives secondes sont nulles, donc leur somme est nulle) et les drives premires en (y) sont nulles.

5.2.3. Cas de conditions de Neumann non homognes

Il n'y a pas de difficult particulire, il suffit de suivre la mthode en intgrant la condition de flux non homogne au niveau de la discrtisation. Prenons comme exemple des conditions de flux gales f1 la frontire suprieure et f2 la frontire infrieure.
y
u = f1 7 y 8

5 u = g1 3

6 u = g2 4

u = f2 y

a Discrtisation du domaine dtude Cette tape est strictement identique la prcdente

b Discrtisation de lquation

FN CRES

Modlisation

38

On a exactement la mme quation que prcdemment ; elle peut tre approxime par lexpression u i 1, j + u i , j1 4u i , j + u i +1, j + u i , j+1 = 0 crite au nud inconnu ui,j Comme auparavant, des nuds fictifs apparaissent; on discrtise donc la condition de flux. Prenons l'exemple du nud n1 et nommons le nud fictif 3'. La discrtisation de l'quation au nud 1 donne : g1 + u 3 ' 4 u 1 + u 2 + u 3 = 0 La discrtisation centre de la condition de flux au nud 1 s'crit : u u 3 u 3' = f 2 ce qui implique que u 3' = u 3 2hf 2 y 2h

On remplace u3' dans la discrtisation de l'quation g1 + u 3 2hf 2 4u1 + u 2 + u 3 = 0 soit g1 2hf 2 4u1 + u 2 + 2u 3 = 0

c Ecriture du systme dquations u y = f1 7 y 8

5 u = g1 3

6 u = g2 4

Nud 1 : Nud 2 : Nud 3 : Nud 4 : Nud 5 : Nud 6 : Nud 7 : Nud 8 :

g 1 4u 1 + u 2 + 2u 3 = 2hf 2 u 1 4u 2 + g 2 + 2u 4 = 2hf 2 g 1 + u 1 4u 3 + u 4 + u 5 = 0 u 3 + u 2 4u 4 + g 2 + u 6 = 0 g 1 + u 3 4u 5 + u 6 + u 7 = 0 u 5 + u 4 4u 6 + g 2 + u 8 = 0 g 1 + 2u 5 4u 7 + u 8 = 2hf1 u 7 + 2u 6 4u 8 + g 2 = 2hf1

2 u = f2 y

La mise sous forme matricielle donne :

u1 u2 u3 u4 u5 u6 u7 u8 u 1 2hf 2 g 1 u 2hf g 2 2 2 u 3 g1 u 4 = g 2 u 5 g1 u 6 g 2 u 2hf g 1 1 7 u 2 hf g 1 2 8

2 4 1 1 4 2 1 4 1 1 1 1 4 1 4 1 1 1 1 1 4 1 4 1 2 2 1 4

FN CRES

Modlisation

39

5.3. Notions sur les erreurs de la mthode 5.3.1. Prsentation

o L est un oprateur 2 2 diffrentiel. Par exemple, dans lquation de Laplace, L est loprateur , et L(u) = 0 + x 2 y 2 2u 2u est alors lquation + =0 x 2 y 2 On peut alors formaliser lquation discrtise sous la forme L(u) = g o est symboliquement le pas de discrtisation et L un oprateur algbrique, c'est--dire la faon de passer de l'EDP un systme d'quations. La solution obtenue par la mthode des diffrences finies peut alors se noter u , cest--dire lapproximation de u avec le pas de discrtisation .
L(u) Discrtisation L(u) Rsolution

Soit une quation aux drives partielles en u note

L(u) = g

Ce que lon cherche Reprsentativit

On peut tudier les erreurs au niveau des diffrentes tapes de ce schma (de A. Le Pouriet) a) La discrtisation est lie la notion de consistance (ou de cohrence). Un schma de discrtisation consistant est un schma qui reprsente bien lquation dorigine. b) La rsolution des quations obtenues est lie la notion de stabilit de la solution. Une solution u stable doit vrifier le problme L(u) = g c) La reprsentativit de u est lie la notion de convergence. u doit tre une approximation convenable de u. d)

FN CRES

Modlisation
Discrtisation Consistance Rsolution Stabilit u Reprsentativit Convergence u

40

L(u)

L(u)

5.3.2. La consistance
On appelle erreur de troncature la quantit R(u) = L(u) L(u) cest--dire concrtement la diffrence entre le schma discrtis et lquation dorigine. On va voir qu'on peut calculer cette quantit : c'est la magie des mathmatiques !
L(u) est dit consistant si R(u) 0 quand 0

Il faut bien comprendre que si cette condition n'est pas vrifie, alors toute la discrtisation s'effondre. On a vu au dbut du cours (tablissement d'une quation mcaniste) qu'on u ui manipulait en fait des discrtisations, par exemple i +1 et on a dit (et vu graphiquement) x u u u i +1 u i que cette quantit tend quand x 0, donc que la diffrence 0 quand x x x x 0. Et effectivement, dans ce cas, c'est vrai. Mais si cela n'tait pas le cas, cela voudrait dire qu'on remplace un lment par un autre qui ne lui est pas quivalent ! 2u 2u + et tudions la consistance. x 2 y 2 Loprateur diffrentiel "drive seconde par rapport une variable w" peut se symboliser 2 par L w = et lquation peut alors se reprsenter par : w 2 2u 2u L( u ) = L X ( u ) + L Y ( u ) = 2 + 2 y x Reprenons lexemple prcdent en posant L(u) = Le dveloppement de Taylor au voisinage de x scrit : u x 2 2 u x 3 3 u x 4 4 u x 5 5 u u ( x x, y) = u ( x, y) x + + + o(x 6 ) 2 3 4 5 x 2! x 3! x 4! x 5! x On en dduit : 2 u x 4 4 u u ( x + x, y) + u ( x x, y) = 2u ( x, y) + x 2 2 + + o(x 6 ) 4 x 12 x 2 u ( x + x, y) 2u ( x, y) + u ( x x, y) u x 2 4 u = + o(x 6 ) 2 2 4 x x 12 x L x (u ) L x (u ) = R x (u ) 1444444 4 2444444 4 3 1 2 3 144 244 3 FN CRES

Modlisation

41

De la mme faon, le dveloppement de Taylor au voisinage de y scrit : u y 2 2 u y 3 3u y 4 4 u y 5 5 u u ( x , y y) = u ( x , y) y + + + o(y 6 ) 2 3 4 5 y 2! y 3! y 4! y 5! y On aboutit : u ( x , y + y) 2u ( x , y) + u ( x , y y) 2 u y 2 4 u = + o(y 6 ) 2 2 4 y y 12 y L y (u ) L y (u ) = R y (u ) 1444444 4 2444444 4 3 1 2 3 144 244 3 On peut sommer les 2 expressions du dessus : L x (u ) + L y (u ) L x (u ) L y (u ) = L (u ) L(u ) = R x (u ) + R y (u ) = R (u )
x 2 4 u y 2 4 u + + o(x 6 ) + o(y 6 ) 4 4 12 x 12 y Cette quantit tend vers 0 quand x et y tendent vers 0. Le schma de discrtisation est donc consistant.

Lerreur de troncature totale est donc R (u ) =

Toutes les discrtisations, dites classiques, utilises jusqu' maintenant sont consistantes.

5.3.3. La stabilit
Cette notion concerne les rsolutions des systmes dquations pour lesquels on est souvent amen mettre en uvre des algorithmes itratifs. La stabilit peut se rsumer dire quune erreur darrondi (ou une perturbation numrique) ne doit pas samplifier au cours des calculs. On peut imager cette notion de stabilit avec une bille et un bol. On retourne le bol et on pose la bille en quilibre. La moindre perturbation de la bille va entraner sa chute. Cest un systme instable (la perturbation samplifie) A contrario, on met le bol lendroit et la bille au fond. Une perturbation de la bille va entraner une oscillation de celle-ci au fond du bol, mais elle va revenir un tat dquilibre. Cest un systme stable. Ltude mathmatique de la stabilit est assez complexe et elle n'est pas dveloppe ici. Un exemple de rsolution est propos dans les exercices illustrant l'instabilit d'un schma numrique.

5.3.4. La convergence
Le thorme de Lax dit que s'il y a consistance et stabilit, alors il y a convergence. Autrement dit, un schma de discrtisation consistant et une mthode de rsolution stable conduisent une solution qui est une bonne image de la solution recherche. Dans la mthode des diffrences finies, les discrtisations vues jusqu' maintenant sont consistantes, comme cela a dj t dit. Aussi, on s'attachera prciser uniquement les conditions de stabilit pour vrifier la convergence.

FN CRES

Modlisation

42

5.4. Cas dune EDP parabolique 1D (volutive) 5.4.1. Position du problme et mthode
Nous allons tudier lexemple de lquation de la diffusion 1D : La diffrence fondamentale par rapport au problme prcdent est lintroduction du temps dans lquation. Supposons quon travaille entre 0 et L en Ox, on obtient un domaine non born en temps si on cherche dessiner le domaine o on doit rsoudre lquation.
t

u 2u =a 2 t x

x 0 L

t0

En effet, on commence tudier le phnomne t = t0 , mais il ny a pas de frontire pour t > 0 (en tous cas, on ne peut pas crire de condition limite un temps t1 > t0 car cela na pas de sens physique : cela voudrait dire que quelque chose qui se passe dans lavenir influence quelque chose qui se situe dans le pass cest de la science fiction ! ) Dans un tel cas, le principe de la mthode consiste, connaissant la solution un pas de temps ti calculer la solution au pas de temps ti+1 , puis connaissant cette solution ti+1, on calcule celle ti+2 et ainsi de suite jusquau moment o on dcide darrter les calculs. On procde donc pas de temps par pas de temps, la premire itration se faisant partir de la condition initiale ( t0).
t ti+2 ti+1 ti t0 0 L Calcul de la solution ti+2 Calcul de la solution ti+1 x

5.4.2. Les schmas types

On va considrer des conditions limites de type Dirichlet (des conditions de flux ne posant pas de problme particulier en introduisant des nuds fictifs). On pose la condition limite gauche = g1 et celle de droite = g2. On rappelle quon a aussi une condition initiale t = t0 et sans ces conditions limites et initiale, le problme physique na pas de solution.

FN CRES

Modlisation

43

5.4.2.1 Discrtisation du domaine dtude

Le domaine est discrtis de faon classique en espace et en temps. Nous avons reprsent ci-contre une partie du maillage qui peut tre rgulier ou non en temps et en espace ; pour simplifier les critures, nous le prendrons rgulier en temps et rgulier en espace.
t u = g1 t+t t t0 0 x-x x x+x L x u = g2

5.4.2.2 Discrtisation de lquation

Nous allons considrer 3 cas pour discrtiser lquation. Cas 1 2 u u ( x x, t ) 2u ( x, t ) + u ( x + x, t ) = x 2 x 2 u u ( x, t + t ) u ( x, t ) = t t La somme de ces 2 termes de lEDP partir de ces 2 discrtisations introduit une quation qui relie 4 nuds du maillage. Cette quation permet de calculer ce qui se passe linstant t + t en fonction de linstant t de faon explicite.

t+t t t0 0 x-x x x+x L Schma explicite x

En crivant cette quation aux n nuds inconnus du temps t + t, on obtient ce qui se passe cet instant de faon simple (n quations, chacune 1 inconnue). On parle dun schma explicite car on peut connatre la solution en 1 nud t + t indpendamment des autres nuds t + t. La condition initiale fournira la premire ligne ( t = t0) pour pouvoir dmarrer les calculs. Cas 2 2 u u ( x x, t + t ) 2u ( x, t + t ) + u ( x + x, t + t ) = (il ny a aucun problme crire la x 2 x 2 discrtisation de la drive en espace linstant t + t)

FN CRES

Modlisation
t

44

u u ( x, t + t ) u ( x, t ) = t t La somme de ces 2 termes de lEDP partir de ces 2 discrtisations introduit une quation qui relie toujours 4 nuds du maillage. Cette quation ne permet pas de calculer directement comme prcdemment ce qui se passe linstant t + t en fonction de linstant t puisquelle relie 3 nuds inconnues.

t+t t t0 0 x-x x x+x L Schma implicite x

Il faut donc crire le systme de n quations, chacune 3 inconnues, et le rsoudre, ce qui est plus complexe que le schma explicite. On parle ici dun schma implicite dans la mesure o la solution nest connue qu travers ce systme dquations (on ne peut pas calculer la solution en 1 nud sans connatre toute la solution au temps t + t). La condition initiale fournira la premire ligne ( t = t0) pour pouvoir dmarrer les calculs. Cas 3 2 u u ( x x, t ) 2u ( x, t ) + u ( x + x, t ) = x 2 x 2 u u ( x, t + t ) u ( x, t t ) = t 2t La somme de ces 2 termes de lEDP partir de ces 2 discrtisations introduit une quation qui relie 5 nuds du maillage. Cette quation permet de calculer ce qui se passe linstant t + t en fonction de linstant t et t - t de faon explicite.
t t+t t t-t t0 0 x-x x x+x L Schma explicite 2 pas x

On parle dun schma explicite 2 pas. Cependant, elle ncessite de connatre 2 pas de temps successifs pour dmarrer les calculs, or seul un pas de temps est connu avec la condition initiale. Il faut donc faire une hypothse sur le premier pas de temps t1, ou bien dmarrer les calculs par un des deux schmas prcdents pour connatre les instants t0 et t1. Nous allons maintenant dtailler ces 3 schmas.

5.4.3. Le schma explicite

Ecrivons lquation obtenue partir des discrtisations retenues : u u ( x, t + t ) u ( x, t ) 2 u u ( x x, t ) 2u ( x, t ) + u ( x + x, t ) = = ; 2 2 t t x x u ( x x , t ) 2u ( x, t ) + u ( x + x, t ) u ( x , t + t ) u ( x, t ) cela donne =a t x 2

FN CRES

Modlisation soit en mettant les termes inconnus gauche et les termes connus droite t u ( x, t + t ) = u ( x , t ) + a 2 (u ( x x, t ) 2u ( x, t ) + u ( x + x, t ) ) x t en posant r=a 2 x u ( x , t + t ) = u ( x , t ) + r (u ( x x , t ) 2u ( x , t ) + u ( x + x , t ) ) On peut aussi crire cette quation sous la forme u ( x, t + t ) + (1 + 2r )u ( x, t ) ru ( x x, t ) ru ( x + x, t ) = 0 Calqu sur la discrtisation du domaine, on obtient limage de lquation t
1 t+t t t0 0 x-x x x+x L x -r -1+2r -r

45

Schma explicite Ce schma est extrmement simple mettre en uvre. Mais on montre quil est 1 1 t conditionnellement stable, savoir il faut respecter r soit a 2 . On a donc 2 2 x une contrainte sur le choix des pas de temps et despace qui se traduit gnralement par des pas de temps trs petits une fois le pas d'espace choisi. On montre que pour r =1/6, qui vrifie la condition de stabilit de ce schma, l'erreur de troncature est minimalise.

5.4.4. Le schma implicite

Ecrivons lquation obtenue partir des discrtisations retenues : u u ( x , t + t ) u ( x, t ) 2 u u ( x x, t + t ) 2u ( x, t + t ) + u ( x + x, t + t ) = = ; 2 2 t t x x u ( x , t + t ) u ( x, t ) u ( x x, t + t ) 2u ( x , t + t ) + u ( x + x, t + t ) =a cela donne t x 2 t u ( x, t + t ) u ( x , t ) = a 2 (u ( x x, t + t ) 2u ( x , t + t ) + u ( x + x, t + t ) ) x t en posant r = a 2 et en mettant les termes inconnus gauche et les termes connus droite x ru ( x x, t + t ) + (1 + 2r )u ( x, t + t ) ru ( x + x, t + t ) = u ( x , t ) On peut aussi crire cette quation sous la forme ru ( x x, t + t ) + (1 + 2r )u ( x , t + t ) ru ( x + x, t + t ) u ( x, t ) = 0

FN CRES

Modlisation Calqu sur la discrtisation du domaine, on obtient limage de lquation t

46

t+t t t0 0 x-x x x+x L x

-r

1+2r

-r

-1

Schma implicite Il faut donc crire cette quation en chaque nud inconnu. On a rsoudre ensuite ce systme dquations. Supposons que la dimension despace entre 0 et L soit divise en N nuds. Par ailleurs, les nuds marqus dun carr noir sont connus : - la condition initiale t = 0 - les conditions limites x = 0 et x = L (conditions de Dirichlet) t
u = g1 3t 2t t 0 0 1 2 3 i-1 i i+1 N-2 N-1 N x u = g2

On crit donc les quations sur une ligne quelconque au temps (n + 1) en fonction de la ligne du dessous au temps (n) et en mettant les termes inconnus gauche et les termes connus droite. On notera le nud labscisse (i) et au pas de temps (nt) : u in nud 0 : ce nud est connu, on ncrit donc pas dquation (il est intgr dans lquation suivante) n +1 n +1 +1 n t +1 nud 1 : ru 0 + (1 + 2r )u1 ru n = u1 or u 0 = g1 do 2
n +1 n +1 (1 + 2r )u1 ru n = u1 + rg1 2 n +1 n +1 n +1 nud 2 : ru1 + (1 + 2r )u 2 ru 3 = un 2

+1 n +1 +1 n ru n = u3 nud 3 : ru n 2 + (1 + 2r ) u 3 4 .. nud i : ru in+11 + (1 + 2r )u in +1 ru in++11 = u in .. n +1 n +1 n +1 nud N-2 : ru n N 3 + (1 + 2r ) u N 2 ru N 1 = u N 2

+1 n +1 n +1 n +1 or u n do nud N-1 : ru n N = g2 N 2 + (1 + 2r ) u N 1 ru N = u N 1
n +1 n +1 (1 + 2r )u n N 1 ru N 2 = u N 1 + rg 2

FN CRES

Modlisation

47

nud N : ce nud est connu, on ncrit donc pas dquation (il est intgr dans lquation prcdente) On peut mettre ces quations sous forme matricielle. n +1 n +1 +1 u1 un u3 u in +1 2
1 + 2r r r 1 + 2r r r 1 + 2r
+1 un N2 +1 un N 1

r ... r

... 1 + 2r ...

... r ... r ... 1 + 2r r

r 1 + 2r

n +1 n u1 u1 + rg1 n +1 n u2 u2 n +1 n u3 u3 ... ... = u n +1 u n i i ... ... u n +1 u n N2 N2 n +1 n u u rg + 2 N 1 N 1

Nous avons un systme tri diagonal qui peut se rsoudre par lalgorithme du double balayage (voir le dernier chapitre). On montre que le schma implicite est inconditionnellement stable, quelque soit la valeur de r, donc des pas despace et de temps.

5.4.5. Le schma explicite 2 pas

On ninsistera pas sur ce schma car on montre quil est toujours instable.

5.4.6. Le schma pondr

Il est intressant dcrire un schma de type particulier quon peut qualifier de schma mixte explicite implicite ou schma pondr. Nous reprendrons la notation prcdente de la forme u in u u in +1 u in La drive en temps s'crit = t t Ecrivons la drive seconde par rapport x aux 2 instants n et n+1. 2u 2u u in1 2u in + u in+1 u in+11 2u in +1 + u in++11 ; x 2 = x 2 = x 2 x 2 i i Et la drive qu'on va utiliser une abscisse i quelconque comme une moyenne pondre par un coefficient des 2 expressions prcdentes :
n n +1

2u 2u = x 2 x 2 i i

n +1

2u + (1 ) avec 0 1 x 2 i

L'EDP que l'on cherche rsoudre se discrtise comme ci-dessous : u in+11 2u in +1 + u in++11 u in +1 u in u in1 2u in + u in+1 ( 1 ) = a + t x 2 x 2

FN CRES

Modlisation En posant r = a t x 2 (u in +1 u in ) r(u in+11 2u in +1 + u in++11 ) r(1 )(u in1 2u in + u in+1 ) = 0

48

On obtient un schma 6 points t

-r -r(1-) 1+ 2r -1+2r(1-) -r -r(1-)

t+t t t0 0 x-x x x+x L x

Schma pondr L'tude de la stabilit de ce schma pondr montre que : 1 1 Pour 0 < , ce schma est stable condition d'avoir r 2 2(1 2) 1 Pour 1, ce schma est toujours stable 2 On peut retrouver les cas prcdents selon la valeur de : = 0 : on retrouve le schma explicite prcdent. = 1 : on retrouve le schma implicite prcdent; on parle de schma implicite pur car il n'y a qu'un seul nud au temps t. Enfin, la valeur de = 1 est particulire; elle conduit au schma appel Crank-Nicholson qui 2 est stable sans condition, et dont l'erreur de troncature est la plus faible possible parmi toutes les valeurs de possibles. t
-r / 2 1+ r -r / 2

t+t t t0 0 x-x x x+x L x

-r / 2

-1 + r

-r / 2

Schma de Crank-Nicholson Ce schma est trs utilis.

FN CRES

Modlisation

49

5.4.7. Exemple d'un schma explicite stable

Ce schma est prsent ici afin de montrer au lecteur que les possibilits sont nombreuses en diffrences finies pour discrtiser une EDP. Il s'agit du schma de Durfort-Frankel. Les diffrents termes de l'quation de la diffusion sont ainsi discrtiss : 2 u u in1 u in +1 u in 1 + u in+1 u u in +1 u in 1 = = x 2 x 2 t 2t Ce qui donne : u in +1 u in 1 u n u in +1 u in 1 + u in+1 = a i 1 2t x 2 Ce schma est toujours stable mais il n'est consistant que si t est trs infrieur x (on a t 2 l'erreur de troncature R (u ) a 2 ). On parle alors de consistance conditionnelle. Ceci se x produit gnralement quand on a une discrtisation dite croise, c'est--dire que la discrtisation par rapport une variable fait intervenir plusieurs niveaux d'une autre variable.

5.5. Cas d'une EDP parabolique 2D 5.5.1. Schmas classiques

2u 2u u On va reprendre l'quation de la diffusion, mais 2 dimensions d'espace = a x 2 + y 2 t Nous n'allons pas reprendre tous les calculs ici, mais simplement indiquer les discrtisations utilises et quelle forme d'quation on aboutit.

Schma explicite u u in +1 u in = ; t t Schma implicite pur u u in +1 u in = ; t t

n n n 2 u u i 1, j 2u i , j + u i +1, j ; = x 2 x 2

n n n 2 u u i , j1 2u i , j + u i , j+1 = y 2 y 2

n +1 n +1 n +1 2 u u i 1, j 2u i , j + u i +1, j = ; x 2 x 2

n +1 n +1 n +1 2 u u i , j1 2u i , j + u i , j+1 = y 2 y 2

Schma pondr u u in +1 u in = ; t t 1 n +1 u in+11, j 2u in,+ u in1, j 2u in, j + u in+1, j 2u j + u i +1, j = + (1 ) x 2 x 2 x 2 1 n +1 n +1 u in, j1 2u in, j + u in, j+1 u in,+ 2u j1 2u i , j + u i , j+1 ( 1 ) + = y 2 y 2 y 2 Les nuds concerns par chaque schma sont indiqus ci-dessous.

avec 0 1 avec 0 1

FN CRES

Modlisation
Schma explicite Schma implicite pur Schma Pondr

50

t+t

t (1 - ) y

En posant rx = a

t t et ry = a 2 2 x y 1 1 Pour 0 < , ce schma est stable condition d'avoir rx + ry 2 2(1 2) 1 Pour 1, ce schma est toujours stable 2 Par ailleurs : = 0 : on retrouve le schma explicite. = 1 : on retrouve le schma implicite pur. 1 = : c'est le schma de Crank-Nicholson. 2

5.5.2. Schma des directions alternes

Les schmas prcdents conduisent des systmes d'quations qui peuvent tre longs rsoudre car ncessitant des mthodes itratives (sauf bien sr le schma explicite). Le schma des directions alternes est pour cela utilis car il conduit un systme tri-diagonal rsolvable par une mthode directe (mthode du double balayage). Dans ce schma, on va jouer sur les temps de discrtisation en x et y : - sur un pas de temps n, on discrtise la drive seconde en x (n) et celle en y (n + 1) n n n n +1 n +1 n +1 u u in +1 u in 2 u u i 1, j 2u i , j + u i +1, j 2 u u i , j1 2u i , j + u i , j+1 = = = ; ; t t x 2 x 2 y 2 y 2 On obtient alors les nuds concerns par l'quation de l'tape N du schma ci-dessous au pas de temps suivant, on discrtise la drive seconde en x ay temps (n + 1) et celle en y au temps (n) n +1 n +1 n +1 n n n u u in +1 u in 2 u u i 1, j 2u i , j + u i +1, j 2 u u i , j1 2u i , j + u i , j+1 = = = ; ; t t x 2 x 2 y 2 y 2 On obtient alors les nuds concerns par l'quation de l'tape N du schma ci-dessous

FN CRES

Modlisation

51

Et ainsi de suite en alternant les 2 schmas prcdents, sachant qu'on a 2 "numrotations" diffrentes des nuds pour conduire dans chaque cas un systme tridiagonal.
t+2t

Etape de temps n+2

Etape de temps n+1

t+t

t Etape de temps n y Schma des directions alternes

u u +c = 0 . Il s'agit t x d'une EDP d'ordre 1, alors que l'quation de la diffusion prcdemment traite tait d'ordre 2. Cette quation correspond par exemple un transport de contaminant en rivire sans diffusion o c est la vitesse de l'eau et peut s'tablir facilement en tablissant un bilan de polluant comme au dbut de ce cours. Nous allons prendre comme exemple l'quation dite de convection

5.6. Cas d'une EDP hyperbolique (volutive)

5.6.1. Schmas explicites

u u in +1 u in = . t t Il y a ensuite diffrents cas selon la faon de discrtiser la drive en espace. u u in u in1 = x x u in +1 u in u n u in1 Ce qui conduit l'quation discrtise +c i =0 t x t , nous avons u in +1 u in + r (u in u in1 ) = 0 . En posant r = c x Le schma obtenu est nomm explicite dcentr amont La drive par rapport au temps est toujours discrtise selon le schma

FN CRES

Modlisation
t 1 t+t t t0 0 x-x x x+x L x -r r-1

52

Schma explicite dcentr amont Ce schma est stable si c > 0 et r 1, instable si c < 0 u u in+1 u in = x x u in +1 u in u n u in + c i +1 =0 t x

Ce qui conduit l'quation discrtise En posant r = c

t , nous avons u in +1 u in + r (u in+1 u in ) = 0 . x Le schma obtenu est nomm explicite dcentr aval
t

1 t+t t t0 0 x-x x x+x L x -r-1 r

Schma explicite dcentr aval Ce schma est stable si c < 0 et r 1, instable si C > 0 u u in+1 u in1 = x 2x

u in +1 u in u n u in1 + c i +1 =0 t 2x t r , nous avons u in +1 u in + (u in+1 u in1 ) = 0 . En posant r = c x 2 Le schma obtenu est nomm explicite centr Ce qui conduit l'quation discrtise

FN CRES

Modlisation
t

53

1
t+t t t0 0 x-x x x+x L x

-r/2

-1

r/2

Schma explicite centr Ce schma est toujours instable

5.6.2. Schmas implicites

u u in +1 u in = . t t Il y a ensuite diffrents cas selon la faon de discrtiser la drive en espace. u u in +1 u in+11 = x x u in +1 u in u n +1 u in+11 Ce qui conduit l'quation discrtise +c i =0 t x t , nous avons u in +1 u in + r (u in +1 u in+11 ) = 0 . En posant r = c x Le schma obtenu est nomm implicite dcentr amont La drive par rapport au temps est toujours discrtise selon le schma
t -r r+1

t+t t t0 0 x-x x x+x L x

-1

Schma implicite dcentr amont Ce schma est stable si c > 0 , instable si c < 0 u u in++11 u in +1 = x x

u in +1 u in u in++11 u in +1 Ce qui conduit l'quation discrtise +c =0 t x t , nous avons u in +1 u in + r (u in++11 u in +1 ) = 0 . En posant r = c x Le schma obtenu est nomm implicite dcentr aval FN CRES

Modlisation

54

t 1-r -1 r

t+t t t0 0 x-x x x+x L x

Schma implicite dcentr aval Ce schma est stable si c < 0, instable si c > 0 u u in++11 u in+11 = x 2x

u in +1 u in u in++11 u in++11 Ce qui conduit l'quation discrtise +c =0 t 2x t r , nous avons u in +1 u in + u in++11 u in+11 = 0 . En posant r = c x 2 Le schma obtenu est nomm implicite centr

t+t t t0 0 x-x x x+x L x

r 2

1 -1

r 2

Schma implicite centr Ce schma est stable si r 1

5.7. Cas particuliers

On indique dans ce paragraphe comment oprer les discrtisation quand on a des pas d'espace irrguliers. Les pas de temps irrguliers ne posent pas de problme particulier car le pas de temps peut tre choisi chaque itration pour passer d'un pas de temps l'autre.

5.7.1. Maillage irrgulier en 1D

On traite le cas de l'axe Ox, mais on retrouve le mme principe quelque soit l'axe. On se met donc dans le cas suivant:

FN CRES

Modlisation
u(x-h1) u1 h1 u(x) h2 u(x+h2)

55

u2 u0 Et on cherche une discrtisation des drives premire et seconde. Nous avons :

2 3 4 u h 2 h3 h4 2 u 2 u 2 u u 2 = u(x + h 2 ) = u(x) + h 2 + + + + ... x 2! x 2 3! x 3 4! x 4 2 3 4 u h1 2 u h1 3 u h1 4u u1 = u ( x h1 ) = u ( x ) h1 + + + ... x 2! x 2 3! x 3 4! x 4

5.7.1.1 Discrtisation de la drive premire

Daprs la premire quation u u ( x + h 2 ) u ( x ) = + o(h 2 ) : discrtisation avant x h2 Daprs la deuxime quation u u ( x ) u ( x h 1 ) = + o(h 1 ) : discrtisation arrire x h1
2 , la deuxime par h 2 En multipliant la premire quation par h 1 2 et en soustrayant : u u 2 2 2 2 2 h1 u2 h2 + ... = (h1 + h 2 )(h1 h 2 )u 0 + h1h 2 (h1 + h 2 ) + ... 2 u1 = ( h1 h 2 ) u 0 + ( h1 h 2 + h 2 h1 ) x x 2 2 h2 h1 (h + h 2 )(h 1 h 2 ) u u 1 + ... = 1 u2 u0 + h 1 h 2 (h 1 + h 2 ) x h 1 h 2 (h 1 + h 2 ) h 1 h 2 (h 1 + h 2 )

h1 h2 u 1 1 1 = u + u u1 0 2 h + ... : discrtisation centre x h h ( h + h ) h 1 2 1 2 2 1

Remarque : si h 1 = h 2 = h, alors

u u 2 u 1 = + ... x 2h

5.7.1.2 Discrtisation de la drive seconde

En multipliant la premire expression par h 1 , la deuxime par h 2 et en additionnant : 1 2u 2 h 1 u 2 h 2 u 1 = (h 1 + h 2 )u 0 + (h 2 h h h ) + + ... 2 1 1 2 2 x 2 h u + h 2 u1 h1 + h 2 2u =2 1 2 2 u 0 + ... 2 x h 1h 2 ( h 1 + h 2 ) h 1h 2 ( h 1 + h 2 )
2u 2 u1 u 2 2 = + u 0 + ... : discrtisation centre 2 x h 1 + h 2 h 1 h 2 h 1h 2

FN CRES

Modlisation

56

u 2u 0 + u 2 2u 2 u1 u 2 2 = + ... qui est la + 2 u 0 + ... = 1 2 x 2h h h h h2 discrtisation qu'on a dj utilise abondamment.

Remarque : si h 1 = h 2 = h, alors

5.7.2. Maillage irrgulier en 2D 5.7.2.1 Maillage rgulier dans chaque dimension

On reprend le premier exemple trait (quation de Laplace dans un domaine carr). On en reste donc un problme 2D, l'extension un problme 3D ne posant pas de problme particulier. On va simplement tudier la discrtisation en considrant x y y Les discrtisations des 2 drives secondes donnent :
x x y

2 u u i 1, j 2u i , j + u i +1, j = + o(x 2 ) x 2 x 2 2 u u i , j1 2u i , j + u i , j+1 = + o(y 2 ) y 2 y 2

En sommant ces 2 expressions 2 u 2 u u i 1, j 2u i , j + u i +1, j u i , j1 2u i , j + u i , j+1 + 2 = + + o(x 2 ) + o(y 2 ) 2 2 2 x y x y

2 2 u 2 u u i 1, j u i +1, j 2 + u i, j + 2 + 2 = 2 2 2 2 y x x y x x u i , j1 u i , j+1 2 2 + y 2 + y 2 + o(x ) + o(y )

En calquant cette expression sur le maillage :

1
Ui,j+1 Ui-1,j Ui,j Ui,j-1 Ui+1,j
y 2

2 2 2 2 x y
1 y 2

x 2

On aboutit donc des expressions un peu plus complique, mais ne prsentant pas de difficults particulires.

5.7.2.2 Maillage irrgulier dans chaque dimension

Il s'agit d'une combinaison des cas prcdents.

FN CRES

Modlisation
U4 h1 U1 U0 h3 U3 h4 h2 U2

57 Les discrtisations vues en maillage irrguliers donnent : 2u 2 u1 u 2 2 = + u 0 + ... 2 x h 1 + h 2 h 1 h 2 h 1h 2

2 u3 u4 2 2u u 0 + ... = + 2 h 3 + h 4 h 3 h 4 h 3h 4 y

Soit

2u 2u 2 u1 u 2 2 u3 u4 1 1 u 0 + ... + 2 = + 2 + + + 2 x y h 1 + h 2 h 1 h 2 h 3 + h 4 h 3 h 4 h 1h 2 h 3 h 4

5.7.3. Drive mixte

On se place ici dans un problme 2D (au minimum) avec un maillage rgulier en x et en y. 2u . On va crire la discrtisation de la drive seconde x y
u5 x u1 u7 u0 y u3 u8 u4 y x u2 u6

u u 2 u 1 2u = = x y y x y 2x 1 u u 2u = x y 2x y 2 y 1

2u 1 u6 u8 u5 u7 = x y 2x 2y 2y

2u 1 (u 6 u 8 u 5 + u 7 ) . Toutes les discrtisations des drives premires = Soit x y 4xy 2u utilises tant l'ordre 2, cette discrtisation de est l'ordre 2. x y Pour obtenir la discrtisation en maillage irrgulier, il faut reprendre la discrtisation de la drive premire vue au dbut de ces cas particuliers (et c'est assez long crire).

5.7.4. Discrtisation du divergent

On a vu que l'quation de la diffusion, dans le cas o le coefficient de diffusion est variable en (x,y,z), s'crit : r C = div(q) = div K ( x, y, z).gradC t Rappelons les dfinitions des termes voqus ici : C C C grad C est un vecteur de coordonnes et reprsente les variations x ; y ; z instantanes de la fonction C dans chaque direction de l'espace (drives premires)

FN CRES

Modlisation
q est un vecteur de coordonnes

58

(q

, q y , q z ) et reprsente les flux surfaciques

(quantit de matire par unit de temps et de surface) dans chaque direction x, y et z. On a : C C C ; q y = K ( x, y, z) et q z = K ( x, y, z) q x = K ( x, y, z) x y z soit q = K ( x , y, z).gradC q y q z r r r q div(q ) est la somme des drives partielles de q , soit div(q) = x + + x y z Remarque : l'quation rsoudre en diffrences finies est finalement : C C C C = K ( x , y, z ) + K ( x , y, z ) K ( x , y, z ) + t x y y z z x K(x, y, z) ne peut pas tre mis en facteur car tant une fonction de (x, y ,z), on ne peut pas le sortir des termes diffrentiels On va crire les discrtisations en 2D, ceci facilitant les reprsentations graphiques et l'extrapolation en 3D ne posant pas de problme et un schma implicite, sachant que le schma explicite, voire pondr se construit de la mme faon que celle vue prcdemment. Enfin, on considre un pas de discrtisation rgulier en x et en y afin d'allger les critures. Adoptons les symbolismes suivants bass sur les points cardinaux et parfois utiliss en 2D :
CN KN0 q N qW CW KW0 C0 KS0 qS CS qE KE0 CE

Le nud central est nomm C0 et les autres Nord, Est, Ouest et Sud. On nomme les flux entre chaque nud comme sur le graphique. Cette notation vite l'criture des doubles indices (i,j). Enfin, K tant variant en chaque point, on va nomme un coefficient moyen sur chacune des branches o on a un flux, par exemple KW0 pour le coefficient moyen entre CW et C0. On verra plus loin comment estimer ce coefficient moyen.

Justifions dj de considrer un coefficient moyen. Le flux tant entre 2 nuds, le coefficient de diffusion K varie donc tout au long du parcours de ce flux. La discrtisation imposant de travailler sur des nuds (domaine discret), on pourrait prendre soit le coefficient sur un des 2 nuds, soit un coefficient moyen. Il est vident qu'une moyenne est plus raliste. La discrtisation du terme
n +1 n C0 C C C 0 ne pose pas de problme particulier : = . t t t

On commence par discrtiser le flux : q y r q q W q N qS q = E div(q ) = x y x x y Tout se passe comme si le "point d'application" des flux se situait au centre de chaque branche, la distance entre 2 points d'application tant alors x ou y. FN CRES

Modlisation

59

C C et q y = K ( x, y, z) x y On peut donc crire en discrtisant des drives : n +1 +1 C n +1 C 0 C n +1 C n C C W = K E 0 E = K W 0 0 ; q E = K ( x, y, z) q W = K ( x , y, z) x x x x n +1 n +1 n +1 n +1 C C C0 C C CS q N = K ( x , y, z ) = K N 0 N q S = K ( x , y, z ) = K S0 0 ; y y y y Or q x = K ( x, y, z)

Remarque : pour un schma explicite, il suffit de prendre ces 4 dernires discrtisations au temps (nt). Pour un schma pondr, on pondre ces discrtisation par un coefficient +1 n +1 n Cn Cn E C0 E C0 compris entre 0 et 1. Par exemple q E = K E 0 + (1 ) x x

On remplace dans la discrtisation du divergent : n +1 n +1 n +1 +1 +1 r C n +1 C n +1 C n +1 C n Cn C0 CS W N C0 div(q ) = K E 0 E 2 0 K W 0 0 + K K N0 S0 x 2 y 2 y 2 x r K K 0 K S0 +1 K E 0 +1 K W 0 +1 K N 0 n +1 K S0 n +1 K E 0 div(q) = C n + Cn + CS + Cn C0 + W20 + N2 + 2 N W E 2 2 2 2 y y 2 x x x y y x Comme l'quation est
r C = div(q) , il vient : t n +1 n C0 C0 K K 0 K S0 +1 K E 0 +1 K W 0 +1 K N 0 n +1 K S0 n +1 K E 0 + Cn + CS = Cn + Cn C0 + W20 + N2 + 2 N W E 2 2 2 2 y y 2 t x x x y y x
n C0 K K 0 K S0 1 +1 K E 0 +1 K W 0 +1 K N 0 n +1 K E 0 n +1 K S0 + Cn + CS = Cn + Cn C0 + W20 + N2 + 2+ E W N 2 2 2 2 y y 2 t x x x y y t x

Ce qui nous donne un schma de discrtisation implicite 6 points. Cette quation discrtise s'crit un peu plus simplement si on prend x = y = h 2 1 n +1 n +1 n +1 n +1 +1 n h C0 = Cn + C N K N 0 + CS K S 0 E K E 0 + C W K W 0 C 0 K E 0 + K W 0 + K N 0 + K S0 + t t Reste calculer les coefficients de diffusion moyens, par exemple KE0. K + K0 La moyenne la plus "naturelle" est la moyenne arithmtique K E 0 = E ou KE et K0 sont 2 les coefficients de diffusion au nud UE et U0. Mais cette moyenne n'est pas reprsentative du phnomne, et on peut le montrer. Supposons qu'un des 2 coefficients aux nuds est nul, par exemple en U0 nous avons K0 = 0 (on peut imaginer une membrane qui empche le produit dans l'eau de passer et qu'on modlise donc avec un coefficient de diffusion nul).

FN CRES

Modlisation

60

Alors le flux qE est nul, car le produit tant arrt au nud U0, et rien ne peut migrer vers U0. Si on veut obtenir un flux qE = 0 quelque soit les concentrations aux nuds UE et U0, il suffit d'avoir KE0 = 0. Or la moyenne arithmtique ne rpond pas ce principe puisque nous aurons K + K0 KE + 0 KE K E0 = E = = 0 . Le modle calculera donc un flux avec un coefficient de 2 2 2 diffusion non nul, ce qui n'est pas reprsentatif de ce que nous voulons avoir. Il existe d'autres moyennes autres que la moyenne arithmtique, notamment la moyenne dite 2K E K 0 . harmonique qui se calcule ainsi dans ce cas : K E 0 = KE + K0 On observe immdiatement que si K0 = 0, alors KE0 = 0. Cette moyenne harmonique "favorise" les petites valeurs, c'est--dire que si un des 2 coefficients est petit, alors la moyenne est petite. Par ailleurs, si KE = K0, alors KE0 = KE = K0, ce qui va aussi dans le bon sens. C'est donc la moyenne qu'on adopte pour les calculs. On a donc : 2K E K 0 2K W K 0 2K N K 0 2K S K 0 K E0 = K W0 = K N0 = K S0 = KE + K0 KW + K0 K N + K0 KS + K 0

5.8. Traitement des termes non linaires

Trs souvent, les coefficients qui interviennent dans les EDP sont eux-mmes fonctions de la fonction cherche. u 2u = a (u ) 2 . Par exemple, plus Par exemple, dans l'quation de la diffusion 1D, on a alors t x la valeur de la fonction est leve, et plus le coefficient de diffusion est lev. La discrtisation de cette quation pose alors un problme ds qu'on utilise un schma autre que le schma explicite (ce qui est souvent le cas). En effet, on travaille entre les pas de temps (n) et (n+1), et la valeur de a(u) qu'il faut considrer est alors une valeur entre a (u n ) et a (u n +1 ) , or on ne connait pas u n +1 , car c'est ce que l'on cherche. Pour passer du temps (n) au temps (n+1), on va donc procder une srie d'itrations visant obtenir une bonne valeur de a(u) sur l'intervalle de temps tudi. Il faut bien noter que ces itrations se superposent au systme d'itrations prcdent.
Itrations pour passer d'un pas de temps l'autre temps n t (n + 1)t Itrations supplmentaires l'intrieur d'un pas de temps (n + 2)t

FN CRES

Modlisation

61

Considrons le schma le plus gnral qu'on ait crit, le schma pondr, o la drive 2u 2u seconde est discrtise par x 2 = x 2 i i
n +1

2u + (1 ) avec 0 1 x 2 i

Pour la premire itration (k = 1), on commence par valuer une valeur de u au pas de temps n +1 1 n+1 (note u ). Ceci peut tre ralis en supposant une variation linaire de u : n +1 1 u = 2u n u n 1 n +1 1 En effet, on a u = u n + u O u est la variation de u entre (n t) et ((n+1)t). Si la variation de u est linaire, on a la mme variation entre (n t) et ((n+1)t) et le pas prcdent ((n-1)t) et (nt) u = u n u n 1 . soit la quantit n +1 1 D'o u = u n + u = u n + u n u n 1 = 2u n u n 1 Ce qui permet de calculer une valeur de a1(u), dont on peut prendre la moyenne pondre sur les 2 pas de temps n +1 1 a1 (u ) = a (u ) + (1 ) a (u n ) +1 n Ceci permet de calculer une valeur de u par rsolution du systme matriciel. 2 Et on recommence les itrations +1 n n a k (u ) = a (u k ) + (1 ) a ( u ) jusqu' convergence de la solution obtenue pour un+1, c'est--dire quand la valeur de un+1 ne bouge plus avec une certaine prcision fixe.

FN CRES

Modlisation

62

6.

LA METHODE DES ELEMENTS FINIS

6.1. Comparaison Diffrences finies Elments finis

Le schma ci-dessous compare les 2 mthodes en termes de dmarche. La mthode des diffrences finies cherche rsoudre exactement une quation approche, alors que la mthode des lments finis cherche une solution approche une quation exacte.

Equation physique continue aux Drives Partielles

reformulation discrte approche de lquation dorigine rsolution exacte de lquation approche

Mthodes dapproximation dquation (Diffrences finis)

reformulation intgrale exacte de lquation dorigine rsolution approche de lquation exacte

Mthodes dapproximation de solution (Elments finis)

6.2. Equivalence de problmes 6.2.1. Objet

Lobjet de ce paragraphe est de montrer comment on peut avoir des problmes dexpression totalement diffrente mais dont la solution est identique. En effet, la mthode des lments finis suppose quon transforme lEDP en un autre problme ayant mme solution; et cest ce nouveau problme quon rsoudra. Bien sr, la mise en place de ces quivalences de problmes va impliquer certaines conditions sur la formulation des problmes eux-mmes.

6.2.2. Equivalence entre systme matriciel et problme de minimisation

Soit un systme dquations linaires (n quations, n inconnues) de la forme Au = b avec A = [aij] matrice carre de dimension (n,n); u = [ui] vecteur de dimension (n), solution du systme; b = [bi] vecteur de dimension (n); On montre que si la matrice A est symtrique, la solution u du systme matriciel est aussi la solution dun problme de minimum qui sexprime ainsi : trouver u telle que la quantit I(u) soit minimum avec

FN CRES

Modlisation
a11 .. u n ] .. a n1 .. a ij .. a1n u 1 u1 t t .. .. - 2 [b1 .. b n ] .. = (u A u ) - 2 (b u) a nn u n u n

63

I(u) = [u 1

quon peut noter I(u) = a(u,u) - 2 L(u) o a(u,u) = ut A u L(u) = bt u Remarque : la quantit (ut A u) est appele forme quadratique associe la matrice A. En effet, I(u) =

a ij u i u j 2 b i u i
i =1 j=1 i =1

La condition pour que u soit le vecteur minimisant I(u) scrit : p=1,n :

I( u ) =0 u p

n n n I( u ) n = a pj u j + a ip u i 2 b p = a pi u i + a ip u i 2 b p 0 p=1,n u p j=1 i=1 i=1 i=1 On utilise ici le fait que la matrice A est symtrique : aip = api do n n I( u ) = 2 a pi u i 2 b p = 0 a pi u i = b p p=1,n soit Au = b -cqfdu p i =1 i =1

Ainsi, ce problme matriciel et ce problme de minimum ont la mme solution.

6.2.3. Equivalence avec un problme de minimum

Soit le problme de minimum prcdent not sous le forme I(u) = a(u,u) - 2L(u). On montre que si a est une forme bilinaire, symtrique et positive et L une forme linaire { forme linaire : soit E un espace vectoriel, une forme linaire dans E est une application linaire de E dans R. forme bilinaire : linaire en u : a(1u1 + 2u2 , v) = 1a(u1,v) + 2a(u2,v) linaire en v : a(u, 1v1 + 1v2) = 1a(u,v1) + 2a(u,v2) symtrique : a(u,v) = a(v,u) positive : a(u,u) 0 } alors le problme de minimum est quivalent : trouver uV tel que vV : a(u,v) = L(v). V peut tre dfini comme lespace vectoriel o on exprime la solution u. Plus loin, on verra apparatre des conditions sur cet espace. En effet : en se plaant dans V Si u vrifie I(u) minimum, alors on doit avoir : vV, R : I(u + v) I(u) soit I(u + v) = a(u + v , u + v) - 2 L(u + v) en utilisant la bilinarit de a et la linarit de L : I(u + v) = a(u,u) + a(u,v) + a(v,u) + a(v,v) - 2 L(u) - 2 L(v) en utilisant la symtrie de a : I(u + v) = I(u) + 2 [a(u,v) - L(v)] + a(v,v) or si on veut I(u + v) I(u) cela implique 2 [a(u,v) - L(v)] + a(v,v) 0 en utilisant le fait que a est positive : a(v,v) 0, pour que lexpression ci-dessus soit toujours positive , il faut avoir : a(u,v) - L(v) = 0 soit a(u,v) = L(v) -cqfdAinsi, avec les conditions mises sur a et L , les deux problmes ont la mme solution.

FN CRES

Modlisation Lquation a(u,v) = L(v) est appele quation dEuler associe au problme de minimum.

64

6.2.4. Rcapitulatif
Le schma suivant rcapitule les quivalences de problmes prcdentes
Systme matriciel Trouver u telle que Au = b Si A symtrique Problme de minimum Trouver u telle que I(u) = a(u,u) 2L(u) soit minimum Si a(u,v) forme bilinaire, symtrique, positive L(u) forme linaire Equation d'Euler associe Soit V en espace vectoriel o on exprime la solution Trouver v V tel que u V a(u,v) = L(v)

Ainsi, on a une srie dquivalence de problmes qui senchainent ainsi : systme matriciel problme de minimum quation dEuler associe et ces quivalences sont lies certaines conditions. Ceci est la base de la mthode dite de Ritz, la mthode des lments finis consistant finalement en un choix trs judicieux d'un sous-espace vectoriel de V.

6.2.5. Application aux EDP

On va voir ici le principe de transformation dune EDP en un problme de minimum. Soit G un oprateur diffrentiel et lquation en u : Gu = f sur un domaine de frontire . On ne change pas lquation si on multiplie gauche et droite par un vecteur vV, soit v Gu = vf On peut intgrer cette quation (une condition sur v, donc sur V, est quil soit intgrable) : ( v Gu ) d = ( vf ) d

Si on peut maintenant ramener lexpression de symtrique et positive et

( vf ) d une forme linaire, alors le problme reviendra

( v Gu ) d

une forme bilinaire,

a(u,v) = L(v) soit un problme quivalent au problme de minimum prcdent. Cette dernire expression est appele forme variationnelle de lEDP. (On verra plus loin concrtement comment on passe de lEDP sa forme variationnelle)
Remarque 1: Lespace V o on exprime la solution est lespace L des fonctions dites de carr sommable. Ces fonctions f (qui peuvent tre complexes) sont telles que

| f ( x )| dx existe. Le produit de FN CRES

Modlisation

65

2 fonctions appartenant L appartient L1 , espace des fonctions sommables, cest--dire intgrables au sens de Lebesgue (fonctions f telles que
1

f ( x )dx existe).

L et L sont des espaces vectoriels. Par ailleurs, on dmontre quune fonction borne f, nulle en dehors dun intervalle fini (a,b), est sommable. Si, de plus, f est intgrable au sens de Riemann sur (a,b), alors son intgrale de Lebesgue sur cet intervalle est gale son intgrale de Riemann. On verra queffectivement lespace vectoriel o on va exprimer la solution de lEDP est un espace de fonctions nulles en dehors du domaine dtude de lEDP et quil suffira donc dintgrer les quations au sens de Riemann (pourvu quon sache lintgrer). Ce que nous venons de voir dans R stend aussi Rn, y compris donc un domaine o on cherche la solution dune EDP. On parlera donc de L() espace des fonctions de carr sommable dans .

6.2.6. Approximation interne

La solution thorique, lorsquelle existe, du problme a(u,v)=L(v) sexprime gnralement dans un espace vectoriel V de dimension infinie. Elle scrit sous la forme r r u(x) = i N i (x) i =1 r o N i ( x ) forme une base de cet espace vectoriel. Raliser une approximation de cette solution consiste alors exprimer la solution dans un sous-espace vectoriel not Vh de V de dimension finie : cest lapproximation interne. Choisissons une base finie de vecteurs Ni, i=1,n (on omettra, pour la suite de ce paragraphe, r les composantes x des vecteurs) engendrant le sous-espace vectoriel Vh. Le problme sexprime dsormais ainsi : Trouver uhVh tel que vhVh : a(uh, vh) = L(vh). vh peut sexprimer dans la base des Ni : v h = j N j ; en remplaant vh :
j=1 n

a(uh ,

N
j=1 j

) = L( j N j )
j=1 n

en utilisant la linarit de L : ou encore ceci devant tre vrai vh, donc j : do le nouveau problme :

j=1 j=1 n

a( u h , N j ) = j L( N j )
j=1

[a( u h , N j ) L( N j )] = 0

j =1,n : a(uh, Nj) = L(Nj)

Trouver uhVh tel que j =1,n : a(uh, Nj) = L(Nj). uh peut aussi sexprimer dans la base des Ni : u h = i N i ; en remplaant uh :
i =1 n

a( i N i , Nj ) = L(Nj)
j=1

en utilisant la linarit de a : do le problme :

i =1

a( N i , N j ) = L( N j )

FN CRES

Modlisation Trouver i tel que j =1,n :

66

i =1

a( N i , N j ) = L( N j )

ce qui est un systme de n quations n inconnues que lon peut crire :

a( N 1 , N 1 ) a( N 1 , N 2 ) ... a( N1 , N n ) 1 L( N1 ) a( N , N ) a( N , N ) ... a( N , N ) L( N ) 2 1 2 2 2 n 2 2 = ... ... ... ... a( N n , N1 ) a( N n , N 2 ) ... a( N n , N n ) n L( N n ) Remarques : la matrice carre est symtrique. les i nont aucune signification physique priori Ainsi, on a vu quon avait une srie dquivalence de problmes qui senchainaient ainsi : systme matriciel problme de minimum quation dEuler associe EDP et on vient de voir que lon pouvait remonter la filire pour, partir dune EDP, aboutir un systme dquations dont la solution est une solution approche de lEDP. Ceci est la base de la mthode dite de Ritz, la mthode des lments finis consistant finalement en un choix trs judicieux des vecteurs Ni, base du sous-espace vectoriel dapproximation.

6.3. Construction pratique du problme variationnel 6.3.1. Cas dune quation diffrentielle
On traitera dans ce paragraphe lexemple suivant : -u"(x) + u(x) = f(x) = 2x -1 dans lintervalle (a,b) on prendra toujours u(b)=0 et on fera varier la condition en (a).

6.3.1.1 Cas dune condition de Neumann homogne

soit u(a) = 0 En reprenant la dmarche prcdente, on crit : vV = { v : vL(a,b) } v (-u" + u) = v f

en intgrant le premier terme par parties (possible si vL(a,b)) : -v(b)u(b) + v(a)u(a) + comme u(a) = u(b) = 0 :

a b a

( v ( u"+u) )dx = ( vf )dx

a

( vu" )dx + ( vu )dx = ( vf )dx

a a

( v ' u' )dx + ( vu )dx = ( vf )dx

a a b a

( v ' u' + vu)dx = ( vf )dx

Le premier terme est bien une forme bilinaire, symtrique et positive, le deuxime une forme linaire, do le nouveau problme :

FN CRES

Modlisation trouver uV tel que vV, on ait a(u,v) = L(v) avec V = { v : vL(a,b); vL(a,b) } a(u,v) =

67

( v ' u' + vu)dx et L(v) =

( vf )dx
a

6.3.1.2 Cas dune condition de Dirichlet homogne

soit u(a) = 0 Les calculs sont identiques jusqu : -v(b)u(b) + v(a)u(a) + Ici, u(b) = 0 do v(a)u(a) +
b

( v ' u' )dx + ( vu )dx = ( vf )dx

a a b a

( v' u' + vu)dx = ( vf )dx

a

Pour ramener le premier terme une forme bilinaire, symtrique et positive, on va se servir de la libert que lon a de choisir lespace vectoriel o on va exprimer la solution. Ici, on peut le choisit tel que v(a) = 0. Do le nouveau problme : trouver uV tel que vV, on ait a(u,v) = L(v) avec V = { v : vL(a,b); vL(a,b); v(a)=0 } a(u,v) =

( v ' u' + vu)dx

a

et L(v) =

( vf )dx
a

6.3.1.3 Cas dune condition de Neumann non homogne

soit u(a) = gN Les calculs sont identiques jusqu : -v(b)u(b) + v(a)u(a) + Comme u(a)=gN et u(b)=0, nous avons :
b b

( v ' u' )dx + ( vu )dx = ( vf )dx

a a

( v' u' + vu)dx = ( vf )dx - v(a)gN

a a

Le vecteur v tant choisit (par le choix de la base o on exprime la solution - voir 6-2.5.) et gN tant connu, il ny a pas de difficult calculer le terme v(a)gN Do le nouveau problme : trouver uV tel que vV, on ait a(u,v) = L(v) avec V = { v : vL(a,b); vL(a,b)} a(u,v) =

( v ' u' + vu)dx

a

et L(v) =

( vf )dx - v(a)gN
a

6.3.1.4 Cas dune condition de Dirichlet non homogne

soit u(a) = gD Les calculs sont identiques jusqu : -v(b)u(b) + v(a)u(a) + En choisissant v tel que v(a)=0, nous avons :
b b

( v ' u' )dx + ( vu )dx = ( vf )dx

a a

( v' u' + vu)dx = ( vf )dx

a a

FN CRES

Modlisation avec V = { v : vL(a,b); vL(a,b); v(a)=0 } Le problme qui apparat alors est que uV puisque u(a)=gD et il faudrait u(a)=0. On dfinit un nouvel espace vectoriel U = { u : uL(a,b); uL(a,b); u(a)=gD } Tout vecteur de U peut scrire : u = u0 [U] + w [V] puisque u0(a)=gD et w(a)=0, on retrouve bien u(a)=gD Le nouveau problme peut alors scrire : Soit u = u0 + w la solution de lquation ; u0U0 trouver wV tel que vV, on ait a(w,v) = L(v) avec U0 = { u0 : u0L(a,b); u0L(a,b); u0(a)=gD } V = { v : vL(a,b); vL(a,b); v(a)=0 } a(w,v) =

68

a ( v' w' + vw)dx

b

et L(v) =

( vf )dx
a

6.3.2. Cas dune EDP

On traitera l aussi dun exemple qui est lquivalent du problme prcdent, mais plusieurs dimensions : r r r u ( x ) + u ( x ) = f ( x ) sur le domaine ayant une frontire ; r avec la condition aux limites u ( x ) / = 0 (Dirichlet homogne); r ( x ) est un vecteur de composantes (x1, x2, ..., xn); On suppose par ailleurs que est suffisamment rgulire pour que la normale existe partout. Le processus est identique au cas prcdent : on multiplie par un vecteur (v) droite et r r gauche de lquation, et on intgre sur (en notant u = u ( x ) et v = v ( x ) ) : (( u + u )v )d = ( fv )d

(( u )v )d + ( uv )d = ( fv )d

Il faut transformer le premier terme du premier membre de lgalit afin daboutir sur ce premier membre une forme bilinaire, symtrique et positive. Ceci se fait grce la formule de Green, dont lapplication un problme une dimension nest rien dautre que la fameuse intgration par parties. La formule de Green scrit : v u u x i d + v x i d = uvn xi d r r o xi est la ime composante de x et nxi la ime composante de n , normale . En remplaant (u) par sa drive dans la formule de Green : u v 2u u x i x i d + v x i2 d = v x i n xi d Cette relation est vraie i; en sommant ces quations : n r r r r u ( u . v ) d + ( v . u )d = ( v ( n ))d = ( v ( n xi .u ))d x i i =1

FN CRES

Modlisation

69

En revenant notre exemple et en remplaant (( u )v )d obtenu par la formule de Green r r r r (u.v ) d ( v ( n.u ))d + ( uv )d = ( fv )d

Il suffit alors de choisir r r v tel que v/=0 pour obtenir (u.v ) d + ( uv )d = ( fv )d

do le nouveau problme : trouver uV tel que vV, on ait a(u,v)=L(v) v L(); v/=0 } avec V = { v : vL(); x i r r a(u,v) = (u. v + uv ) d L(v) =

( fv )d

Remarque : V est lespace de Sobolev not H1 0

6.4. Mise en uvre de la mthode des lments finis

Cette mthode est particulirement adapte aux problmes dont les frontires sont dune gomtrie irrgulire. On dcoupe le domaine dtude en lments de gomtrie simple, mais qui vont pouvoir couvrir la zone dtude de faon complte (sans trou), et en suivant au mieux la frontire. Par exemple, si le domaine dtude R, avec une frontire quelconque, on peut choisir des lments h triangulaires pour recouvrir et en affinant autant que ncessaire au niveau de .

Ce principe est gnralisable dans R3 avec des ttradres. On va alors dfinir une formulation variationnelle sur h et une approximation interne dans un espace vectoriel facilement manipulable sur lensemble des h.

6.5. Cas dune quation diffrentielle - Fonction linaire par morceaux 6.5.1. Cas de condition de Dirichlet homogne
On reprend l'exemple prcdent et les conditions limites suivantes : -u"(x) + u(x) = f(x) = 2x - 1 sur le domaine = [0,1] avec u(0) = 0 et u(1) = 0 FN CRES

Modlisation

70

On a vu que ce problme a la mme solution que le problme suivant : trouver uV tel que vV , on ait : a(u,v) = L(v) avec V = { v : vL() ; vL() ; v(0)=0; v(1)=0} a(u,v) = ( uv + u' v' )dx
0 1

L(v) = (fv )dx

0

Choix des lments

Le domaine dtude est spar en lments de largeur (h). Cette largeur peut tre diffrente pour chaque lment (dans le cas o on veut affiner la connaissance de la solution certains endroits) Dans cet exemple et pour simplifier les critures qui vont suivre, on choisit de sparer le domaine d'tude en 5 lments de mme longueur. h x2 x3 1 x4 x5 x6

0 x6 1

Approximation linaire par morceaux

On va approximer la solution sur chaque lment par un morceau de droite

u2 u3 u1 x1 x2 x3

u5 u4

u6 x4 x5 x6 x

Remarque : - il y a continuit de la fonction par morceaux - il n'y a pas continuit de la drive

On va exprimer la solution u(x) cherche dans un espace vectoriel dfini par une base de vecteurs que lon note Ni(x). Cette base sera finie afin quon puisse effectivement calculer u(x). u( x ) = i N i ( x )
i=1 n

FN CRES

Modlisation Si la base est dfinie, il reste calculer les i . Deux questions apparaissent propos de la base de vecteurs Ni(x) : - quels vecteurs ? - combien de vecteurs ?

71

Il serait intressant que les i que lon cherche correspondent aux ui de la fonction tels quils sont dfinis sur le graphique prcdent. Trouver les i conduirait alors avoir directement une estimation de la fonction aux abscisses xi. Comment choisir les Ni(x) pour respecter lalina prcdent ? Ecrivons la solution u(x) en une abscisse particulire, par exemple x2, correspondant une limite dlment et prenons comme nombre de fonctions Ni(x) le nombre dinconnues auquel on est confront (6 ici) u(x2) = 1 N1 (x2) + 2 N2 (x2) + ... + 6 N6(x2) = u2 Pour que 2 = u2 labscisse x2, il suffit de choisir les Ni(x) tels que : N1 (x2) = N3 (x2) = ... = N6 (x2) = 0 et N2 (x2) = 1 Pour une abscisse (x) quelconque comprise entre xi et xi+1 , u(x) est une valeur comprise entre ui et ui+1 qui est la moyenne pondre par les distances respectives entre (xi et x) et (xi+1 et x). Considrons un lment h et crivons symboliquement la solution :
u(x) ui ui-1 = ui-1 0 xi-1 xi xi-1 xi xi-1 1 Ni-1 (x) + ui Ni(x) 1 0 xi toutes les autres + fonctions Nj(x) [ji-1, j i] nulles sur cet lment

Afin didentifier compltement la fonction Ni(x), considrons llment contigu au prcdent :

u(x) ui ui+1 = ui 0 xi xi+1 xi xi+1 xi 1 Ni (x) + ui+1 Ni+1 (x 0 xi+1 1 + toutes les autres fonctions Nj(x) [ji , ji+1] nulles sur cet

La fonction Ni(x) est nulle partout sauf sur lintervalle [xi-1 , xi+1] sur lequel elle est de forme triangulaire. En gnralisant, les fonctions Ni(x) sont de la forme :
N i(x) , i=1 5 N1 (x) N6(x)

x x1 xi-1 xi xi+1 x1 x2

x x5 x6

Fonctions "internes"

Fonction gauche

Fonction droite FN CRES

Modlisation

72

Ces fonctions sont appeles Fonctions de Forme. Elles permettent de reconstituer la solution u(x) partir de morceaux de droite sur chaque lment, connaissant les ui , valeur de la fonction aux bornes de chaque lment. Remarque : en travaillant sur les ui , valeur de la fonction aux bornes de chaque lment, on assure la continuit de la solution. En choisissant les fonctions Ni(x) comme on vient de le voir, la solution sexprime ainsi : u( x ) = u i N i ( x )
i=1 6

La formulation variationnelle de lquation rsoudre a tabli que u(x) doit appartenir lespace vectoriel V = { v : vL() ; vL() ; v(0)=0; v(1)=0}. La base des Ni(x) o on veut exprimer la solution est-elle un sous-espace vectoriel de V ? Les Ni(x) et Ni(x) appartiennent L(), mais on remarque que tous les vecteurs ne sont pas nuls aux abscisses (0) et (1), en particulier N1 (x) et N6 (x). On prendra donc comme sous-espace vectoriel pour lapproximation interne lespace form par la base de vecteurs N2 (x) N5 (x), ce qui conduit a ne traiter que 4 inconnues. Ici, cette conclusion est logique puisque les valeurs de la fonction en (0) et (1) sont imposes par des conditions de Dirichlet homognes et nont donc pas faire partie des inconnues.
Ecriture algbrique

Lapproximation de la solution dans lespace vectoriel form par les vecteurs Ni(x) retenus conduit au systme dquations suivant (voir le paragraphe III-2.5).: Trouver ui tel que i =2,5 et j =2,5 : avec a(Ni , Nj) = L(Nj ) =
1 1

u i a( N i , N j ) = L( N j )
i= 2

0 f ( x ) N j dx

0 ( N i N j + N i ' N j ' )dx

Calcul des termes a(Ni , Nj) Les fonctions Ni (x) tant identifies, il ny a pas de difficult particulire calculer ces termes. Cependant, on peut remarquer certaines redondances dans les calculs. cas o | i - j | > 1 [i et j non contigus]
N(x) 1 Ni(x) 0 xi-1 xi xi+1 xj-1 xj Nj(x) x xj+1

On a [Ni (x) = 0 quand Nj (x) 0] et [ Nj (x) = 0 quand Ni (x) 0] do a(Ni , Nj)=0.

FN CRES

Modlisation cas o | i - j | = 1 [i et j contigus]

N(x) 1 Ni(x) 0 xi-1 xi xi+1=xj Nj(x) x xj+1

73

Il ny a que lintervalle [xi , xj ] o les fonctions sont non nulles simultanment et donc o a(Ni , Nj) est diffrent de zro. Les fonctions tant identiques sur chaque intervalle, le calcul mnera au mme rsultat sur chaque intervalle, en particulier sur un intervalle [0,h], h tant la largeur dun intervalle. x x Soit sur h = xk+1 - xk , nous avons Nk (x) = 1 et Nk+1 (x) = h h h h x x 1 1 h 1 do a(Ni , Nj) = ( N i N j + N i ' N j ' ) dx = [ (1 ) + ( )] dx = 0 0 h h h h 6 h cas o | i - j | = 0 [i et j confondus]
N(x) 1 Ni(x) xi-1 xi=xj Nj(x) x xi+1

Il ny a que lintervalle [xi-1 , xi+1] o la fonction est non nulle et donc o a(Ni , Ni) est diffrent de zro. Cette intervalle correspond une distance 2h sur laquelle la fonction Ni (x) x x vaut sur [0,h] et 2 sur [h,2h]. h h 2h h h x 1 2h 2 do a(Ni , Ni) = ( N i2 + N ' i2 ) dx = 2 ( N i2 + N ' i2 ) dx = 2 [( ) 2 + ( ) 2 ] dx = + 0 0 0 h h 3 h
Assemblage Cette tape consiste crer la matrice carre du systme matriciel en observant comment les diffrents lments sont agencs. On obtient :

u2
2h 2 + 3 h

u3
h 1 6 h

u4

u5 u2

h 1 6 h

2h 2 + 3 h

h 1 6 h

u3

h 1 6 h

2h 2 + 3 h

h 1 6 h

u4

FN CRES

Modlisation

74

h 1 6 h

2h 2 + 3 h

u5

Calcul des termes L(Ni) Connaissant les fonctions f(x) et Ni(x), il faut calculer L(Ni) =

0 f ( x ) N i ( x ) dx .
1

Le calcul ne pose pas de difficult particulire mais il peut tre simplifier dans la mesure o f(x) peut s'exprimer sous forme d'une fonction linaire par morceaux. Ici, en prenant une largeur h=0.2 sur notre exemple, nous avons : 2x - 1 = (-1) N1(x) + (-0.6) N2(x) + (-0.2) N3(x) + (0.2) N4(x) + (0.6) N5(x) + (1) N6(x) soit f(x) =
6

k Nk( x )
k =1

d'o L(Ni) =

[ k N k ( x )] N i ( x ) dx =
k =1

[ k 0 N k ( x ) N i ( x ) dx ]
1 k =1

or les expressions Nk( x ) Ni( x ) dx ont dj t calcules auparavant sur un lment et par ailleurs, Ni (x) est nulle en dehors de lintervalle [xi-1 , xi+1] On a alors : L(Ni) = i-1

0 N i1( x ) N i ( x ) dx + i 0
h

2h

N i ( x ) N i ( x ) dx + i+1

0 N i+1( x ) N i ( x ) dx
h

h 2h h L(Ni) = i-1 ( ) + i ( ) + i+1 ( ) 6 3 6

Lapplication numrique donne : L(N )= -0.12 ; L(N )= -0.04 ; L(N )= 0.04 ;

L(N )= 0.12 ;

Rsolution du systme

Elle se fait pour h=0.2

6.5.2. Cas de condition de Neumann homogne

On reprend l'exemple prcdent et les conditions limites suivantes : -u"(x) + u(x) = f(x) = 2x - 1 sur le domaine = [0,1] avec u(0) = 0 u(1) = 0 On a vu que ce problme a la mme solution que le problme suivant : trouver uV tel que vV , on ait : a(u,v) = L(v) FN CRES

Modlisation avec V = { v : vL() ; vL() ; v(0)=0} a(u,v) = ( uv + u' v' )dx

0 1

75

L(v) = (fv )dx

0

Les dveloppements sont les mmes quau paragraphe prcdent. Ici, la base pour lapproximation interne sera constitue des vecteurs N2(x) N6(x) car N6(x)V [la condition v(1)=0 dappartenance V ayant disparue] On prendra simplement garde au fait que a(N6, N6) ne sintgre que sur un seul lment car la h 1 fonction N6 est diffrente de zro que sur le dernier intervalle. On aura donc a(N6, N6)= + 3 h et la matrice carre scrit : u2
2h 2 + 3 h

u3
h 1 6 h

u4

u5

u6 u2

h 1 6 h

2h 2 + 3 h

h 1 6 h

u3

h 1 6 h

2h 2 + 3 h

h 1 6 h

u4

h 1 6 h

2h 2 + 3 h

h 1 6 h

u5

h 1 6 h

h 1 + 3 h

u6

Le calcul des L(Ni) est identique, on rajoute le calcul de L(N6) qui donne 0.0866.

6.5.3. Cas de condition de Neumann non homogne

On reprend l'exemple prcdent et les conditions limites suivantes : -u"(x) + u(x) = f(x) = 2x - 1 sur le domaine = [0,1] avec u(0) = 0 u(1) = gN On a vu que ce problme a la mme solution que le problme suivant : trouver uV tel que vV , on ait : a(u,v) = L(v) avec V = { v : vL() ; vL() ; v(0)=0} a(u,v) = ( uv + u' v' )dx
0 1

FN CRES

Modlisation L(v) = (fv )dx + v(1)gN

0 1

76

Les termes a(Ni ,Nj ) sont identiques aux prcdents. Les termes L(Ni ) scrivent : L(Ni) =

0 f ( x ) N i ( x ) dx +
1

Ni (1)gN.

Le dernier terme est toujours nul sauf pour i=6 o N6(1)=1. Aussi, les L(Ni ) ne changent pas non plus sauf L(N6 ) auquel on rajoute la quantit gN.

6.5.4. Cas de condition de Dirichlet non homogne

On reprend l'exemple prcdent et les conditions limites suivantes : -u"(x) + u(x) = f(x) = 2x - 1 sur le domaine = [0,1] avec u(0) = 0 u(1) = gD On a vu que ce problme a la mme solution que le problme suivant : Soit u = u0 + w la solution de lquation ; u0U0 trouver wV tel que vV, on ait a(w,v) = L(v) avec U0 = { u0 : u0L(a,b); u0L(a,b); u0(a)=gD } V = { v : vL(a,b); vL(a,b); v(a)=0 } a(w,v) =

a ( v' w' + vw)dx

b

et L(v) =

( vf )dx
a

En fait, on peut considrer que les deux espaces U0 et V sont engendrs par la mme base de vecteurs Ni (x) et sont donc de la forme

i N i ( x ) , mais pour
i=1

- U0 : 1 = gD et i = 0 pour les autres coefficients - V : 1 = u1 =0 et i = ui 0 ( priori) pour les autres coefficients Chacun des vecteurs u0 [ U0] et w [ V] peut alors scrire sur cette base. Un vecteur solution u = u0 [ U0] + w [ V] scrit alors : u=

i N i ( x ) [ U0]
i=1 5 5

u i N i ( x ) [ V]
i=1

Le systme dquations (voir le paragraphe III-2.5) auquel conduit lapproximation interne va alors scrire : j =1,n : Or pour U0 : pour V :

i a( N i , N j ) + u i a( N i , N j ) = L( N j )
i=1

1 = gD et i = 0 pour les autres coefficients u1 = 0 et ui 0 ( priori) pour les autres coefficients

5

i=1

La recherche des inconnus ui conduit un problme 4 inconnues pour i=2,3,4 et 5 soit : j =2,n : g D a( N 1 , N 2 ) + u i a( N i , N j ) = L( N j )
i= 2

j =2,n :

u i a( N i , N j ) = L( N j ) g D a( N1 , N 2 )
i= 2

FN CRES

Modlisation

77

Par rapport au systme dquations du premier exemple (paragraphe III-4.1.1) seule la premire ligne est change et scrit : u2 a(N2 ,N2 ) + u3 a(N2 ,N3 ) + 0 = L(N2 ) - gD a(N1 ,N2 )

6.6. Cas dune quation diffrentielle - Fonction parabolique par morceaux

On reprend l'exemple prcdent avec les conditions limites suivantes : -u"(x) + u(x) = f(x) = 2x - 1 avec u(0) = 0 u'(1) = 0 On a vu que ce problme a la mme solution que le problme suivant : trouver uV tel que vV , on ait : a(u,v) = L(v) avec V = { v : vL() ; vL() ; v(0)=0} a(u,v) = ( uv + u' v' )dx
0 1

L(v) = (fv )dx

0

Choix des lments

Le domaine dtude est spar en lments de largeur (h). Cette largeur peut tre diffrente pour chaque lment (dans le cas o on veut affiner la connaissance de la solution certains endroits) Dans cet exemple, on choisit de sparer le domaine d'tude en 5 lments de mme longueur.

x1

x2

x3

x4

x5

x6

Approximation parabolique par morceaux

On approxime la solution sur chaque lment par un morceau de parabole

FN CRES

Modlisation

78

x1

x2

x3

x4

x5

x6

Remarque : - il y a continuit de la fonction par morceaux - il n'y a pas continuit de la drive (comme pour l'approximation linaire par morceaux)
Pour dcrire une parabole sur un lment, il suffit de 3 points; on choisit gnralement les deux points extrmes (ce qui assurera la continuit entre les morceaux) et le point milieu.

xi

xi+1/2

xi+1

La dimension de l'espace vectoriel o se fait l'approximation est dtermine par le nombre d'inconnues que l'on se fixe. Ici, 3 inconnues par lments, dont les inconnues extrmes sont communes deux autres lments (aux conditions limites prs que l'on verra un peu plus loin). La solution u(x) sera donc approxime par l'expression suivante exprime sur une base de 11 vecteurs - priori- nots Ni(x) et Ni+1/2(x) u(x) = u i N i ( x ) + u i+1/ 2 N i+1/ 2 ( x )
i =1 i =1 5 5

Le premier terme de la somme correspond aux points extrmes de chaque lment; le deuxime terme correspond aux points milieux. Le problme est alors le choix des fonctions Ni(x) et Ni+1/2(x) En adoptant le mme symbolisme vue avec le paragraphe prcdent, on peut crire :

FN CRES

Modlisation

79

u(x) = ui

Ni(x) 1 + ui+1/2

Ni+1/2(x) 1 + ui+1

Ni+1(x) 1

xi

xi+1/2 xi+1

xi

xi+1/2 xi+1

xi

xi+1/2 xi+1

xi

xi+1/2

xi+1

Les fonctions Ni sont donc de la forme :

1 N1 Ni N6

x1

x1/2 x2

xi-1

xi-1/2

xi

xi+1/2

xi+1

xi

xi+1/2 xi+1

Les fonctions Ni+1/2 sont de la forme :

1 N i+1/2

xi

xi+1/2

xi+1

Sur 1 lment donn, il y a 3 fonctions qui sont simultanment non nulles :

Ni+1/2 Ni Ni+1

xi

xi+1/2

xi+1

FN CRES

Modlisation

80

On remarque que sur la frontire x1 o on a une condition de Dirichlet, le vecteur N1 n'appartient pas l'espace vectoriel o on approxime la solution. En effet, cet espace est tel que v : v(0) = 0; or N1(0) = 1; L'espace vectoriel sera donc constitu partir de la base : ( N2 , N3 , N4 , N5 , N6 , N3/2 , N5/2 , N7/2 , N9/2, N11/2 )

Ecriture algbrique

En remplaant u(x) et v(x) par leurs expressions sur la base d'approximation : u(x) = u i N i ( x ) + u i+1/ 2 N i+1/ 2 ( x ) v(x) = i N i ( x ) + i+1/ 2 N i+1/ 2 ( x )
i =1 i =1 i =1 5 i =1 5 5 5

et en utilisant la linarit de la forme L , l'quation a(u,v) = L(v) se ramne au systme d'quations suivant avec 10 inconnues : (en notant Ni le vecteur Ni(x) et Ni+1/2 le vecteur Ni+1/2(x) )
i = 2, 6 i = 1, 5

a ( u jN j + a ( u jN j +
j= 2 j= 2 6

u u
j=1 j=1 5

j+1/ 2

N j+1/ 2 , Ni ) = L(Ni)

j+1/ 2

N j+1/ 2 , Ni+1/2 ) = L(Ni+1/2)

soit encore en utilisant la bilinarit de la forme note a :

i = 2, 6 i = 1, 5

uj a( N j , N i ) +
j= 2 6 j= 2

u
j=1 5 j=1

j+1/ 2

a( N j+1/ 2 , N i ) = L(Ni)

u j a( N j , N i+1/ 2 ) + u j+1/ 2 a( N j+1/ 2 , N i+1/ 2 ) = L(Ni+1/2)

Ce systme dquations correspond au systme matriciel suivant :

a(N 3/ 2 , N 3/ 2 ) a(N 3/ 2 , N 2 ) a(N 3/ 2 , N 5/ 2 ) a(N , N ) a(N 2 , N 2 ) a(N 2 , N 5/ 2 ) 2 3/ 2 a(N 5/ 2 , N 3/ 2 ) a(N 5/ 2 , N 2 ) a(N 5/ 2 , N 5/ 2 ) ... ... ... ... ... a(N , N ) a(N , N ) a(N , N ) 11/ 2 3/ 2 11/ 2 2 11/ 2 5/ 2 a(N 6 , N 2 ) a(N 6 , N 5/ 2 ) a(N 6 , N 3/ 2 ) ... ... ... a(N 3/ 2 , N 6 ) u 3/ 2 L( N 3/ 2 ) a(N 2 , N 6 ) u 2 L( N 2 ) a(N 5/ 2 , N 6 ) u 5/ 2 L( N 5/ 2 ) ... u 3 ... u 7/ 2 ... ... = ... u 4 ... u ... ... 9/ 2 ... u 5 ... a(N11/ 2 , N 6 ) u11/ 2 L( N 11/ 2 ) a(N 6 , N 6 ) u6 L( N 6 )

... ...

FN CRES

Modlisation

81

Calcul des termes a(Nk,Nm)

Sachant que a est symtrique, l'criture de ce systme impose de calculer les expressions de la forme suivante :

( N N + N' N' )dx a(Ni+1/2,Nj) = ( N N + N' N' a(Ni+1/2,Nj+1/2) = ( N N + N'

a(Ni,Nj) =
0 i j i j 1 0 i +1/ 2 j i +1/ 2 1 0 i+1/ 2 j+1/ 2

)dx N' j+1/ 2 )dx

i+1/ 2

Chaque calcul d'intgrale des expressions ci-dessus entre 0 et 1 peut tre dcompos sur chaque lment; en effet (en notant g(x) un des termes intgrer ci-dessus) :

g( x ) dx =
0

x2

x1 h

g( x )dx +

x3

x2

g( x )dx + ... +

x6

x5

g( x )dx =
i =1
l ment

x i +1

xi

g( x )dx

soit

g( x ) dx = g( x )dx +
0 0

2h

g( x )dx + ... +

5h

4h

g( x )dx =

(e)

g( x )dx

Comme toutes les fonctions Ni et Ni+1/2 ont la mme allure quelque soit l'lment o on se place, les calculs d'intgrales sont les mmes sur chaque lment et en particulier sur le premier entre 0 et h (de plus, on a pris dans cet exemple tous les lments de mme largeur h). On calcule donc chaque terme intgral entre 0 et h et on procdera ensuite l'assemblage des lments.

Calcul des quations des morceaux de parabole

L'quation gnrale s'crit : ax2 + bx + c = 0. On sait que chaque parabole passe par 3 points ce qui donne 3 quations 3 inconnues chaque fois.

Ni 0 h/2 h

h passe par (0,1), ( , 0) et (h,0) 2 2 3 soit l'quation Ni(x) = x - x + 1 = 0 h h

Ni+1/2

h passe par (0,0), ( ,1) et (h,0) 2

soit l'quation Ni+1/2(x) = 0 h/2 h

4 4 x + x = 0 h h

FN CRES

Modlisation

82

Ni+1

h passe par (0,0), ( ,0) et (h,1) 2 2 1 soit l'quation Ni+1(x) = x - x = 0 h h

h/2

Maintenant que l'on connat les quations des branches de paraboles, il faut calculer les termes a(Nk,Nm), ce qui impose de calculer des intgrales avec les fonctions du type Nk et N'k. Les calculs sont rcapituls dans les tableaux suivants : Ni Ni+1/2
h 15

Ni+1
h 30

(N
0

N m )dx

Ni

2h 15

Ni+1/2

h 15

8h 15

h 15

Ni+1

h 30

h 15

2h 15

N'i

N'i+1/2
8 3h

N'i+1
1 3h

( N'
0

N'm )dx

N'i

7 3h

N'i+1/2

8 3h

16 3h

8 3h

N'i+1

1 3h

8 3h

7 3h

Assemblage

fonction Ni+1/2 Chaque fonction Ni+1/2 est non nulle sur un seul lment la fois. Sur cet lment, deux autres fonctions, Ni et Ni+1 sont galement non nulles L'inconnue rattache la fonction en question, ui+1/2 , sera donc lie par une quation avec les inconnues ui et ui+1; Il n'y aura donc que 3 termes sur une ligne de la matrice relative l'quation (i+1/2) d'un point milieu. fonction Ni Chaque fonction Ni est non nulle sur deux lments la fois. Sur ces lments, quatre autres fonctions, Ni-1, Ni-1/2, Ni+1/2 et Ni+1 sont galement non nulles

FN CRES

Modlisation

83

L'inconnue rattache la fonction en question, ui , sera donc lie par une quation avec les inconnues ui-1, ui-1/2, ui+1/2, et ui+1; Il y aura donc 5 termes sur une ligne de la matrice relative l'quation (i) d'un point extrme d'lment. Les points limites droite et gauche constituent des cas particuliers. En x3/2 , il n'y aura que deux termes dans l'quation car N1(x) n'existe pas dans la base d'approximation. En x6 , qui est un point extrme, mais frontire, il n'y a pas d'lment droite. Il y aura donc 3 termes considrer (relatifs N5, N11/2 et N6).
Remarque : Attention aux points extrmes non frontires pour lesquels deux lments sont concerns; il faut cumuler deux fois les intgrales du type a(Ni,Ni) [puisque chaque calcul n'a t fait que sur un seul lment]

On en dduit les coefficients de la matrice carre du systme rsoudre : u3/2

8h 16 + 15 3h

u2
h 8 15 3h

u5/2

u3

u7/2

u4

u9/2

u5

u11/2

u6 u3/2

h 8 15 3h

4h 14 + 15 3h

h 8 15 3h

h 1 + 30 3h

u2

h 8 15 3h

8h 16 + 15 3h

h 8 15 3h

u5/2

8 h 1 h + 30 3h 15 3h

4h 14 + 15 3h

h 8 15 3h

h 1 + 30 3h

u3

h 8 15 3h

8h 16 + 15 3h

h 8 15 3h

u7/2

8 h 1 h + 30 3h 15 3h

4h 14 + 15 3h

h 8 15 3h

h 1 + 30 3h

u4

h 8 15 3h

8h 16 + 15 3h

h 8 15 3h

u9/2

8 h 1 h + 30 3h 15 3h

4h 14 + 15 3h

h 8 15 3h

h 1 + 30 3h

u5

h 8 15 3h

8h 16 + 15 3h

h 8 15 3h

u11/2

FN CRES

Modlisation
8 h 1 h + 30 3h 15 3h 2h 7 + 15 3h

84 u6

Calcul des termes L(Ni) et L(Ni+1/2)

Connaissant les fonctions f(x) et Nk(x), il faut calculer L(Nk) = f ( x ) N k ( x ) dx .

0

Ici, le calcul peut tre simplifier dans la mesure o f(x) peut s'exprimer sous forme d'une fonction parabolique par morceaux. En effet : 2x - 1 = (-1)N1(x) + (-0.8)N3/2(x) + (-0.6)N2(x) + (-0.4)N5/2(x) + (-0.2)N3(x) + (0)N7/2(x) + (0.2)N4(x) + (0.4)N9/2(x) + (0.6)N5(x) + (0.8)N11/2(x) + (1)N6(x) soit f(x) =
m=1

1 0

11

Nm(x)
11

d'o L(Nk) =

[ m N m ( x )] N k ( x ) dx =
m =1 xi+1

[ N
1 m =1 m 0

11

( x ) N k ( x ) dx ]

or les expressions

xi

Nm(x) Nk (x) dx ont dj t calcules auparavant sur un lment.

On a par exemple : L(N2) = (-1) N 1 ( x ) N 2 ( x ) dx + (-0.8) N 3/ 2 ( x ) N 2 ( x ) dx + (-0.6) N 2 ( x ) N 2 ( x ) dx +

0 0 0 h h 2h

(-0.4) N 5/ 2 ( x ) N 2 ( x ) dx + (-0.2) N 3 ( x ) N 2 ( x ) dx
0 0

(On ne fait pas intervenir les autres fonctions car N2(x) est alors gal zro.) L(N2) = (-1)( On obtient L(N3/2) = L(N7/2) = 0 L(N11/2) =
8h 15 h 2h h h h h ) + (-0.8)( ) + 2(-0.6)( ) + (-0.4)( ) + (-0.2)( ) = 15 15 15 30 30 5 h 5 4h 15 4h L(N9/2) = 15 h 15

8h 15

L(N2) = L(N4) =

L(N5/2) =

L(N3) = L(N5) =
h 5

h 15 h L(N6) = 6

Rsolution du systme

Elle se fait pour h=0.2

6.7. Cas dune EDP Approximation linaire par lment

Soit le problme :

FN CRES

Modlisation

85

y 1

u=0

u=0

-u = f

u=0

x 0 u=0 1

soit = (]0,1[ x ]0,1[) le domaine interne et la frontire. On montre en utilisant la formule de Green : u (grad u . grad v ) d + ( v u ) d = ( v n ) d

et en choisisant v/ = 0

que l'quation ( u = f ) admet la mme solution que le problme suivant :

(grad u . grad v ) d

( v f ) d

ce qui peut aussi s'crire : u v u v ( x x + y y ) dx dy =

( v f ) dx dy

d'o le nouveau problme : trouver uV tel que vV , on ait a(u,v) = L(v) v v L() ; L() ; v/=0} = H1 avec V = {v : vL() ; 0 () x y a(u,v) = L(v) =

( grad u . grad v ) d

( v f ) d

Choix des lments

Parmi les plus simples mettre en oeuvre, il y a les lments triangulaires (cest une surface descriptible partir dun nombre de points minimum : 3).

FN CRES

Modlisation

86

1
13 9 5 1 14 10 6 2 15 11 7 3 16 12 8 4

Il y a en tout dans cet exemple 50 lments triangulaires qui permettre de couvrir tout le domaine dtude. (Sur ce schma, les noeuds qui vont nous intresser sont numroter de 1 16.)
Approximation de la solution

On veut exprimer la solution dans un sous-espace vectoriel de vecteurs de base Ni(x) tels que u(x) = u i N i ( x, y ) avec Ni(x,y) fonctions linaires par morceaux en x et en y
i =1 m

Il suffit de choisir les Ni(x,y) de la forme suivante :

1 i y

Ni(x)

Ni(x,y) vaut (1) au sommet (i) et (0) sur les lments triangulaires qui ne sont pas jointifs avec le sommet (i). On obtient aux bords :

1 i y i i x

FN CRES

Modlisation Les vecteurs sur la frontire du problme n'appartiennent pas ce sous-espace vectoriel car Ni(x,y) = 1 sur alors qu'on doit avoir = 0 sur

87

On choisit donc comme base l'ensemble des vecteurs dfinis sur les noeuds rguliers (internes), soit ici 16 vecteurs correspondants aux noeuds numrots de 1 16 sur le schma prcdent.

Ecriture algbrique

En utilisant la linarit de a(u,v) et de L(v), on se ramne au systme d'quations suivant : trouver uj avec j = 1.. 16 tq i=1..16 :
Calcul des termes a(Ni,Nj)

u
j=1

16

a( N i , N j ) = L(N i )

L'intgrale sur peut se dcomposer sur chaque lment : a(Ni,Nj) =

grad N i . grad N j dxdy =

l ment

(e)

grad N i . grad N j dxdy )

On va donc dterminer les intgrales sur chaque triangle (ce sont les mmes) et ensuite faire l'assemblage. Sur chaque triangle, il y a 3 fonctions qui sont simultanment non nulles. De plus, il y a 2 types de triangle :

b -h a

c type D

c h

type G a -h

Triangle de type G il faut d'abord calculer l'quation des fonctions non nulles sur ce triangle. Calculons par exemple la fonction note Nb(x,y) valant 1 au sommet (b). avec Nb(0,0) = 1 Nb(x,y) = b1 + b2 x + b3 y Nb(h,0) = 0 Nb(0,-h) = 0 1 h x y d'o grad Nb = On en tire Nb(x,y) = 1 - + + h h 1h De faon analogue 0 y Na(x,y) = d'o grad Na = h 1 h

FN CRES

Modlisation

88

Nc(x,y) =

x h

d'o

1 h grad Nc = 0

d'o le calcul des intgrales dans ce triangle (on a y = x-h) 2 0 N 2 h h 0 N 1 a a dy dx = ( 0 + ) dy dx exemple : a(Na, Na) = + 0 x h 0 x h h x y h 0 h y h hx 1 1 x x dx = = ( ) dx = =1- = 0 0 h 2 2 h 2h 0 h x h

( )
a
1 2

Tous calculs faits : sommets a b

1 2

c 0

1 2

1 2

1 2

1 2

triangle de type G

Triangle de type D De faon similaire

1 h grad Na = 0 1 h grad Nb = 1 h 0 grad Nc = 1 h

sommets a

a
1 2

b
1 2

c 0

1 2

1 2

1 2

1 2

triangle de type D

Assemblage

FN CRES

Modlisation

89

Il s'agit de reprsenter le terme

l ment

(e)

grad N i . grad N j dxdy ) et donc de cumuler les

intgrales sur chaque lment (il y a ici 50 triangles). Cette opration se fait en observant comment s'organisent les triangles.

Calcul de a(Ni, Nj) pour i=j On adopte la numrotation suivante des lments quand on se trouve sur le sommet (i) :
4 5 6 1 i 2 3

Seuls ces 6 lments interviennent puisque la fonction Ni(x,y) est non nulle sur ceux-ci, et est nulle sur les autres. Il faut donc regarder le type (G ou D) de triangle concern chaque fois. lment ou triangle n 1 2 3 4 5 6 do a(Ni,Ni) = 4 type D G D G D G sur ce triangle, (i) est un sommet de type c b a a b c valeur de a(Ni,Ni) sur cet lment 1/2 1 1/2 1/2 1 1/2

Calcul de a(Ni, Nj) pour | i-j | = 1

i+1 2 2 i 1 cas A i+1 ou 2 i+1 1 cas A i ou cas C Frontire gauche i

1 Frontire droite

Remarque : Il y a aussi un cas C a envisager avec (i+1) en bas et (i) en haut. Mais a(Ni, Nj) tant symtrique, on trouvera la mme chose dans les cas A et A, et C et C On ne calcule que le cas A et C

FN CRES

Modlisation Cas A . lment ou triangle n cas A 1 cas A 2 type G D (i) et (i+1) sont des sommets de type b et c a et b

90

valeur de a(Ni,Ni) sur cet lment -1/2 -1/2

do a(Ni,Ni+1) = a(Ni+1,Ni) = -1 dans les cas A et A Cas C Les fonctions Ni et Ni+1 ne sont jamais non nulles simultanment, do a(Ni,Ni+1) = a(Ni+1,Ni) = 0 dans ce cas

Calcul de a(Ni, Nj) pour | i-j | = 4 (en gnralisant, =n si il y a n sommets par ligne)
cas A 1 i i+1 2 ou 1 i+1 cas A i 2

Encore une fois, les deux cas sont symtriques lment ou triangle n cas A 1 cas A 2 type D G (i) et (i+1) sont des sommets de type b et c a et b valeur de a(Ni,Ni) sur cet lment -1/2 -1/2

do a(Ni,Ni+1) = a(Ni+1,Ni) = -1 dans ces cas.

Calcul de a(Ni, Nj) pour | i-j | = 4+1 = 5 (en gnralisant,=n+1 si il y a n sommets par ligne)
cas A 2 1 i i+1 ou cas A 2 1 i+1 i

Les deux cas sont toujours symtriques lment ou triangle n cas A 1 cas A 2 type D G (i) et (i+1) sont des sommets de type a et c a et c valeur de a(Ni,Ni) sur cet lment 0 0

do a(Ni,Ni+1) = a(Ni+1,Ni) = 0 dans ces cas.

Calcul de a(Ni, Nj ) pour tous les autres cas

FN CRES

Modlisation Il y a toujours au moins une des fonctions qui est nulle do a(Ni,Nj) = 0 pour ces cas l. On peut rcapituler ces rsultats dans une matrice. u1 4 -1 u2 -1 4 -1 u3 -1 4 -1 u4 -1 4 0 u5 -1 u6 -1 -1
0 4 -1

91

u7

u8

u9

u10

u11

u12

u13

u14

u15

u16 u1 u2 u3 u4 u5 u6 u7 u8 u9 u10 u11 u12 u13 u14 u15 u16

-1 -1 4 -1 -1 -1 4 -1 -1 -1 4 0 -1
0 4 -1

-1 -1 -1

-1 -1 -1

-1 -1 4 -1 -1 -1 4 -1 -1 -1 4 0 -1
0 4 -1

-1 -1 -1

-1 -1 4 -1 -1 4 -1

-1 -1 -1

-1 4

Calcul des termes L(Ni)

Ces termes scrivent L(Ni) =

f ( x ) N i ( x ) dx dy . Leurs calculs ne posent pas de difficult

0 0

1 1

particulire, connaissant f(x) et les fonctions Ni(x).

6.8. Cas dune EDP Approximation quadratique par lment

Nous indiquons juste ici les fonctions de forme dans le cas dlments triangulaires. Il y en a deux. Les points noirs indiquent les valeurs remarquables.

FN CRES

Modlisation

92

1 1

6.9. Extension de la mthode

A partir des principes voqus, on peut mettre en uvre des fonctions de formes de type cubiques, voire quartiques. Les calculs deviennent alors trs fastidieux et sortent du cadre de ce cours qui est une initiation cette mthode. De mme, on peut traiter ces problmes avec des lments rectangulaires. Pour les problmes trois dimensions despaces, la mthode stend sans difficult : les triangles sont remplacs par des ttradres et les rectangles par des paralllpipdes.

6.10. Extension aux problmes volutifs

Lintroduction du temps dans lquation se traite comme pour la mthode des diffrences finies, avec des schmas de type explicites et implicites.

FN CRES

Modlisation

93

7.

RESOLUTION DES SYSTEMES DEQUATIONS LINEAIRES

Ce chapitre est l titre informatif, car il permet de complter ce cours sur la modlisation.

7.1. Introduction
On cherche rsoudre le systme suivant : a 11 x 1 + a 12 x 2 + L + a 1n x n = b1 a x + a x + L + a x = b 21 1 22 2 2n n 2 M a n1 x 1 + a n 2 x 2 + L + a nn x n = b n On note ce systme

AX = B

A = a ij , X = [x i ] et B = [b i ]

[ ]

Soit
a 11 a 21 M a n1 a 12 a 22 a n2 L a 1n x 1 b1 L a 2n x 2 = b 2 M M L a nn x n b n

On ne change rien : - en permutant deux lignes simultanment en A et B - en multipliant chaque ligne par un scalaire - en additionnant une ligne une autre ligne de la matrice - en combinant les oprations prcdentes

Remarque : il existe une seule solution X si la matrice A est rgulire (dterminant non nul)
La ncessit de rsoudre de tels systmes d'quations apparat dans de nombreuses mthodes numriques (analyses de donnes, rsolutions d'quations, mthodes des diffrences finies et des lments finis,). On peut distinguer deux principes de rsolution d'un tel systme : - la mthode directe (base sur la mthode du pivot) qui s'adapte bien aux systmes o A est une matrice dense mais d'ordre peu lev, ou bien A est une matrice bande, mme d'ordre lev. - La mthode itrative, qui s'adapte bien aux systmes o A est creuse (beaucoup de zros) et d'ordre lev.

7.2. Mthodes directes

Nous allons traiter ici la mthode du pivot et ses variantes. Le but est de transformer le systme en un systme rsolvable directement.

FN CRES

Modlisation

94

7.2.1. Mthode de Gauss-Jordan ou mthode du pivot 7.2.1.1 Principe

Soit le systme
a 11 a 21 M a n1 a 12 a 22 a n2 L a 1n x 1 b1 L a 2n x 2 = b 2 M M L a nn x n b n

on cherche a le transformer en un systme de la forme 1 0 L 0 x 1 d 1 0 1 L 0 x d 2 = 2 M M M 0 0 L 1 x n d n On cherche donc transformer la matrice A en la matrice identit. a) on divise la premire ligne par a 11
1 a 21 M a n1 a '12 L a '1n x 1 b'1 a 22 L a 2 n x 2 = b 2 M M a n 2 L a nn x n b n

avec

a1j a '1 j = a 11 pour j = 1 n b ' = b 1 1 a 11

b) on annule le premier terme des autres lignes en retranchant chaque ligne la premire multiplie par le premier lment de chaque ligne. 1 a '12 L a '1n x 1 b'1 0 a ' ' a ' 'ij = a ij a '1 j a i1 L a' '2n 22 x 2 = b' ' 2 avec pour i = 2 n et j = 1 n M M M b' 'i = b i b'1 a i1 0 a ' ' n 2 L a ' ' nn x n b' ' n On dit que l'on vient de prendre la premire ligne comme pivot et son premier lment comme lment pivot. On recommence en prenant comme pivot la seconde ligne et son deuxime lment comme lment pivot. 1 0 L 0 x 1 d 1 0 1 L 0 x d 2 = 2 On arrive ainsi au systme M M M 0 0 L 1 x n d n d'o la rsolution de l'quation avec
x i = d i pour i = 1 n

FN CRES

Modlisation

95

7.2.1.2 Limite de la mthode

Si l'lment pivot est nul (ou proche de 0), on ne peut pas faire la division (le rsultat peut tre fauss). Solutions pour la programmation: a) Solution simple On teste la valeur du pivot et on n'effectue l'opration que si elle est suprieure une valeur , sinon on arrte le calcul.

b) Recherche du pivot maximum partiel Parmi les lignes pivot qui n'ont pas t traites, on cherche la ligne (i) pour laquelle l'lment pivot est maximum. Puis on intervertit les lignes pour travailler avec le pivot maximum (en valeur absolue), sans oublier d'intervertir les termes b i . Ou bien on procde de la mme faon en intervertissant les colonnes de faon placer en lment pivot le terme maximum de la ligne pivot (sans oublier d'inverser les x i ). c) Recherche du pivot total On cherche la valeur maximale de la matrice (*) pour s'en servir d'lment pivot, en intervertissant les lignes et les colonnes. (*) il sagit ici de la sous-matrice carre constitue de lintersection des lignes et colonnes non encore traites. Remarque : si le dernier pivot est nul, alors c'est que le systme d'quation admet une infinit de solutions. d) Vrification des rsultats On peut aussi vrifier les rsultats en recalculant les quations (connaissant les x i ) et les comparer aux termes b i .

7.2.2. Mthode de Gauss (ou triangularisation) 7.2.2.1 Principe

On cherche cette fois se ramener un systme de la forme : 1 c12 L c1n x 1 d 1 0 1 L c x d 2n 2 = 2 M M M 0 0 L 1 x n d n On cherche donc transformer la matrice A en une matrice triangulaire suprieure quivalente (on peut aussi raisonner avec une matrice triangulaire infrieure). L'algorithme est le mme que pour la mthode prcdente, mais l'tape de soustraction ne s'effectue que pour les lignes infrieures. Puis on trouve les solutions en prenant :

FN CRES

Modlisation x n = d n x = d x c n 1 n n -1 , n n 1 x n 2 = d n 2 x n 1 c n -2 , n -1 x n c n -2 , n L

96

Remarque : Il existe les mmes problmes que pour la mthode de Gauss-Jordan quand les pivots sont nuls ou proches de zro.

7.2.2.2 Nombre d'oprations

Pour la mthode de Gauss-Jordan, il faut environ faut environ n3 oprations. Pour la mthode de Gauss, il 2

n3 oprations. Ce qui est peu, compar aux mthodes ncessitant le calcul de 3 dterminants (mthode de Cramer). Ces approches peuvent donc tre utilises pour des valeurs de n grandes.
Mthode de Cramer : Si D est le dterminant de la matrice A et si D i est le dterminant de la matrice obtenue en remplaant la ime colonne de A par le vecteur B, alors la D solution du systme est le vecteur X tel que x i = i D Cette mthode ncessite le calcul de (n+1) dterminants obtenus chacun par (n-1) n! multiplications, soit (n-1) n! oprations.

7.3. Mthode du double balayage pour les matrices tridiagonales (Cholesky).

Ces matrices sont par dfinition relativement creuses. Dans le cas d'un ordre lev, il y a donc beaucoup de zros. D'un point de vue informatique, on a alors intrt stocker une srie de vecteurs reprsentant chacun une diagonale plutt qu'une matrice (n n). Pour rsoudre ce type de matrice, stocke sous forme de vecteurs, on utilise plutt la mthode de Gauss que celle de Gauss-Jordan, cette dernire faisant apparatre au cours des calculs des valeurs non nulles en dehors des trois diagonales. Soit le systme d'quation correspondant un systme matriciel tridiagonal.
c x 2 1 M c x n 1 n 2 c n x n 1 a1x1 + a 2x2 M + + b1 x 2 b2x3 M = = y1 y2 M

+ a n 1 x n 1 + anxn

+ b n 1 x n

= y n 1 = yn

FN CRES

Modlisation qui peut s'crire

a 1 c 2 0 M M 0 b1 a2 0 b2 O O c n 1 O L L 0 x 1 y1 0 M x 2 y2 M M M = O 0 M M a n 1 b n 1 x n -1 y n 1 cn a n xn yn

97

O O 0

L L 0

Remarque : c 1 et b n sont nuls.

1er balayage ( aller ) : on cre deux vecteurs A et B . Calcul des termes A i et B i :
A0 = B0 = 0

pour i = 1 n Ai = Bi = bi c i A i 1 + a i

y i c i B i 1 c i A i 1 + a i

2me balayage ( retour ) : on en dduit les valeurs de x x n = Bn pour i = (n-1) 1 x i = A i x i +1 + B i

7.4. Mthodes itratives

Elles sont adaptes aux systmes linaires de grande dimension et de matrice peu dense.

7.4.1. Principe
Soit le systme matriciel A X = B. On dcompose la matrice A en deux matrices M et N telles que A = M + N, d'o : (M + N) X = B M X = -N X + B X = M-1 (-N X + B) En partant d'un vecteur X(0) initial, on calcule successivement les nouveaux vecteurs X(1) puis X(2) etc par la formule de rcurrence : X(k) = M-1 (-N X(k-1) + B)

Remarque : en pratique, pas besoin de calculer explicitement M-1

On dmontre alors que s'il y a convergence, on converge sur X, solution du systme A X = B

FN CRES

Modlisation

98

Cette convergence est vrifie si le rayon spectral de la matrice M-1N est infrieur 1 (le rayon spectral tant le module maximal des valeurs propres = max i ).

Remarques : la condition de convergence n'est pas toujours facile vrifier. On la remplacera alors par une condition suffisante telle que a ii a ij (matrice A diagonale
j= j i

dominante)
Le choix des matrices M et N va dpendre de la mthode. Mais M sera choisie de faon tre facilement "inversible". On s'arrte quand l'cart des valeurs du vecteur X entre deux itrations devient petit.

7.4.2. Mthode de Jacobi

Dans cette mthode on pose A = D + G + S avec D matrice diagonale G matrice triangulaire infrieure S matrice triangulaire suprieure On prend M=D et N=G+S, d'o le schma itratif : D X(k) = B (G + S) X(k-1) qui s'crit sous forme matricielle a 11 0 M 0 0 a 22
S D G

0 x1 b1 0 b a M x 2 = 2 21 M M O 0 M 0 a nn x n ( k ) b n a n1

a 12 0 a n2

L a 1n x 1 L a 2n x 2 M O L 0 x n ( k 1)

n 1 Donc on obtient la formule : x i( k ) = b i a ij x j(k -1) a ii j=1 j i (cette formule revient calculer chaque xi(k) en lisolant dans la ime quation o les autres

). inconnues sont remplaces par les valeurs calcules litration prcdente x j (k 1)

Il faut pour cela que a ii soit non nul quelque soit i (ou que D soit rversible), ce qui peut gnralement tre obtenu facilement par inversion des lignes ou des colonnes de la matrice A).

7.4.3. Mthode de Gauss -Seidel

Avec les mmes notations que prcdemment (A = G + D + S), on prend cette fois M= G+D et N=S. Le schma itratif scrit donc : FN CRES

Modlisation (G + D) X(k) = B S X(k-1) soit sous forme matricielle a 11 a 21 M a n 1 0 a 22

99

L O

a n ( n 1)

0 x1 b1 0 a 12 M x2 = b 2 0 0 0 M M M a nn x n ( k ) b n 0 0
x i( k ) = 1 a ii

L a 1n x 1 L a 2n x 2 M O L 0 x n ( k 1)

Donc on obtient la formule :

n i 1 b a x i ij j(k -1) a ij x j(k) j=i +1 j=1

C'est le mme schma que pour la mthode de Jacobi, sauf qu'il faut intgrer les valeurs de X(k) calcules au fur et mesure (on calcule chaque xi(k) par la ime quation en remplaant

les autres inconnues par leur dernire valeur calcule) La condition de convergence est la mme que pour la mthode de Jacobi. Cette mthode est plus rapidement convergente que la mthode de Jacobi.

7.4.4. Facteur de relaxation

Il permet d'acclrer les processus itratifs ou de les rendre convergents (si ils divergent). Aprs chaque calcul de xi(k) (par Jacobi ou Gauss-Seidel), on ajuste cette valeur de la manire suivante :

x i ( k ) = x i ( k 1) + ( x i ( k ) x i ( k 1) )

est le facteur de relaxation, = 1 pour une itration normale < 1 pour une sous-relaxation > 1 pour une sur-relaxation. En gnral : 0<<1 permet de faire converger un processus divergent 1<<2 acclrer un processus convergent >2 divergence Exemple : la relaxation dans la mthode de Gauss-Seidel donne
n i 1 1 x *i( k ) = x i( k 1) + b a x a x x i ij j(k -1) ij j(k) i( k 1) a j=i +1 j=1 ii

FN CRES

Modlisation

100

ANNEXE 1 : ECRIRE UN SYSTEME MATRICIEL

On regarde ici comment on passe d'un systme d'quations une criture matricielle. On considre le systme de 3 quations 3 inconnues suivant : 3x1 + x3 = 5 2x2 + 4x3 = 0 7x1 + 2x2 + x3 = 1 On peut mettre ce systme sous forme matricielle Ax = B o A est une matrice (3,3), x une matrice (3,1) et B une matrice (3,1) De faon gnrale, s'il y a n quations n inconnues, A est une matrice (N , N), x une matrice (N , 1) et B une matrice (N , 1)
a 11 De faon gnrique, Ax = B s'crit a 21 a 31 a 12 a 22 a 32 a 13 x 1 b1 a 23 x 2 = b 2 a 33 x 3 b 3

Le produit matriciel entre A et x donne la matrice B. Ce produit s'effectue ainsi : a 11 x 1 + a 12 x 2 + a 13 x 3 = b1 Ax = B a 21 x 1 + a 22 x 2 + a 23 x 3 = b 2 a 31 x 1 + a 32 x 2 + a 33 x 3 = b 3 Pour obtenir la premire quation, on multiplie terme terme la premire ligne de la matrice A par la matrice x, qui est donc gale au premier terme de la matrice B. Et de mme pour les autres quations. Soit nime ligne de A x (produit terme terme) = nime terme de B Il faut bien remarquer que dans la matrice A n'apparaissent que les coefficients devant les inconnues xi alors que dans la matrice B, il y a les termes indpendants des inconnues (on parle de B comme du second membre des quations) Ainsi les 3 quations 3 inconnues prcdentes s'crivent :
3 0 1 x 1 5 0 2 4 x = 0 2 7 2 1 x 3 1

FN CRES

Modlisation

101

ANNEXE 2 : LA PENTE D'UNE DROITE

On montre ici que la valeur de la pente de la corde entre les points (Ci, ti) et (Ci+1, ti+1) est la tangente de l'angle entre la corde et l'horizontale. La corde est une droite, donc d'quation C = at + b. Le coefficient (a) est la pente de la droite (nomm aussi coefficient directeur).

C corde Ci+1 angle Ci t ti Tangente la courbe t ti+1 C

On sait que cette droite passe par les points (Ci, ti) et (Ci+1, ti+1) car c'est comme cela qu'on construit cette corde : Ci = at i + b Ci +1 = at i +1 + b De la premire quation, on tire b = C i at i . En remplaant dans la deuxime quation : C Ci C C i +1 = at i +1 + C i at i soit Ci +1 Ci = a ( t i +1 t i ) et a = i +1 = = tg () CQFD t i +1 t i t

FN CRES

Modlisation

102

ANNEXE 3 : DEVELOPPEMENT DE TAYLOR

On va juste ici traiter un exemple qui montre qu'on peut effectivement calculer u ( x + x ) connaissant u ( x ) et les drives successives de u par rapport x. u ( x + x ) = u ( x ) + x du ( x ) x 2 d 2 u ( x ) x 3 d 3 u ( x ) + + + ... dx 2! dx 2 3! dx 3

Considrons l'quation polynomiale de degr 3 : u (x ) = x 3 + x 2 + x + 1 On a u (3) = 33 + 32 + 3 + 1 = 40 et u (5) = 53 + 52 + 5 + 1 = 156

Peut-on retrouver la valeur de u(5) connaissant simplement u(3) = 40 et les drives de u(x) l'abscisse x=3 ? D'aprs le dveloppement de Taylor sur cette fonction polynomiale u(x) de degr 3: du ( x ) x 2 d 2 u ( x ) x 3 d 3u ( x ) u ( x + x ) = u ( x ) + x + + +0 dx 2! dx 2 3! dx 3 Le "0" la fin indique que les drives partir de l'ordre 4 sont nulles Nous avons du = 3x 2 + 2 x + 1 dx d 2u = 6x + 2 dx 2 d 3u =6 dx 3 dnu = 0 pour n 4 dx n
du soit = 3 32 + 2 3 + 1 = 34 dx 3 d 2u soit dx 2 = 6 3 + 2 = 20 3 d 3u soit dx 3 =6 3

En remplaant :
d 2 u ( x ) x 3 d 3u ( x ) dx 2 + 3! dx 3 +0 3 3 2 3 2 2 u (5) = 40 + 2 34 + 20 + 6 = 40 + 68 + 40 + 8 = 156 2! 3! du ( x ) x u (3 + 2) = u (3) + 2 + 2! dx 3
2

Ceci est un exemple et pas une dmonstration, mais il montre que "a marche" !

FN CRES

Modlisation

103

ANNEXE 4 : LE LAPLACIEN EN COORDONNEES POLAIRES

En coordonnes polaires, chaque point M du plan, au lieu d'tre repr par ses valeurs (x , y) en coordonnes cartsiennes, est alors repr par ses valeurs (r , ) en coordonnes polaires.
2

y r

x u ( x , y) u ( x , y) + en fonction x 2 y 2 des coordonnes (r , ). Il faut donc remplacer les drives en x et y en faisant apparatre les drives en r et . u u Dans un premier temps, on va crire la drive premire en fonction des drives et y r u . u u x u y = + r x r y r On a (1) u u x u y car r et sont des fonctions de x et y. = + x y x x En multipliant chaque expression respectivement par et r u x u x x u y x = + r x r y r u x u x x u y x = + r x r y r
2

Le problme est alors d'crire le laplacien d'une fonction u :

En retranchant ces 2 expressions, les premiers termes des membres de droite disparaissent : u x u x u y x u y x = r r y r y r u x u x u y x y x u = Ou encore en factorisant r r y r r y Par ailleurs x = r cos() et y = r sin() x (r cos() ) = r sin() et x = (r cos() ) = cos() = r r y y = (r sin() ) = r cos() et = (r sin() ) = sin() r r

u u u x u x = r sin() cos() r r r y x y x = r sin(). sin() r cos() cos() = r (sin 2 () + cos 2 ()) = r r r u u u = r L'expression devient r sin() cos() y r En remplaant FN CRES

Modlisation u u u 1 = sin() + cos() y r r

104

D'o

On vient donc d'exprimer la drive premire faire de mme avec la drive

u u u . On va et en fonction des drives y r

u . C'est la mme dmarche. x

En multipliant dans les quations (1) chaque expression respectivement par u y = r u y = r u x u x x y u + r y x y u + r y y y r y y r

y y et r

En retranchant ces 2 expressions, les derniers termes des membres de droite disparaissent : u y u y u x y u x y = r r x r x r u y u y u x y x y u ( x, y) = Ou encore en factorisant r r x r r x Par ailleurs x (r cos() ) = r sin() et x = (r cos() ) = cos() = r r y y = (r sin() ) = r cos() et = (r sin() ) = sin() r r

u ( x, y) y u ( x, y) y u ( x , y) u ( x, y) = r cos() sin() r r r x y x y = r cos(). cos() + r sin() sin() = r (sin 2 () + cos 2 ()) = r r r u u u L'expression devient r cos() sin() =r x r u u u 1 = cos() sin() D'o x r r En remplaant

Il reste maintenant exprimer les drives secondes

2u 2u et x 2 y 2

2 u u u 1 u = = cos() sin() 2 r x r x x x x 2u u 1 u 1 u 1 u = cos() cos() sin() sin() cos() sin() 2 x r r r r r r

FN CRES

Modlisation

105 2u 2u 1 u 1 2u 2 = cos ( ) + cos( ) sin( ) cos( ) sin( ) x 2 r 2 r 2 r r 2 1 u 1 u 1 u 1 2u + sin 2 () sin() cos() + 2 sin() cos() + 2 sin 2 () 2 r r r r r r u u 1 2 u u + cos() = sin() = 2 r y r y y y y 2u u 1 u 1 u 1 u = sin() sin() + cos() + cos() sin() + cos() 2 r r r r r r y

2u 2u 1 u 1 2u 2 sin ( ) sin( ) cos( ) sin( ) cos( ) = + r r y 2 r 2 r 2 u 1 2u 1 u 1 2u 1 + cos 2 () + cos() sin() 2 cos() sin() + 2 cos 2 () 2 r r r r r r

2u 2u 2u 1 u 1 2u 2 2 2 2 2 2 + = (cos () + sin () ) 2 + (cos () + sin () ) + 2 (cos () + sin () ) 2 r r r r x 2 x 2 Soit le laplacien en coordonnes polaires : 2 u 1 u 1 2 u + + r 2 r r r 2 2

FN CRES

Modlisation

106

BIBLIOGRAPHIE
A. LE POURHIET Rsolution Numrique des quations aux drives partielles ; une premire approche. Cepadues-Editions - 1988 Un excellent ouvrage, "ancien", mais trs clair dont j'ai repris certains lments. B. MOHAMMADI, JH SAIAC Pratique de la simulation numrique. Industrie et Technologies Dunod 2003 Pour aller plus loin dans les quations aux drives partielles, mais plus difficile lire (concepts mathmatiques).

FN CRES